如何使用scikit-learn识别真实场景图像？

Question

我新的scikit学习，我有大量的图片和图像的大小都不相同，一种是真实场景图像像

cdn.mayike.com/emotion/img/attached/1/图像/ DT /十二分之二千零一十七万零九百二十〇/ 20170920121356_795.png cdn.mayike.com/emotion/img/attached/1/image/mainImg/20170916/15/20170916153205_512.png ，

另一个不喜欢

真实场景图像 cdn.mayike.com/emotion/img/attached/1/image/dt/20170917/01/20170917011403_856.jpeg
cdn.mayike.com/emotion/img/attached/1/image/dt/20170917/14/ 20170917145613_197.png 。

我想使用scikit-learn识别哪些不是真实场景图像，我认为它与http://scikit-learn.org/stable/auto_examples/applications/plot_face_recognition.html#sphx-glr-auto-examples-applications-plot-face-recognition-py相似。
我完全不知道如何开始。
如何创建日期和从图像中提取功能？
有人可以告诉我该怎么办？

Answer 1

这似乎并不直接成为编程问题，您的问题与非基本的“当前”研究有关。

看来你应该阅读有关自然场景（统计），并让自己熟悉目前的机器学习框架，一个像TensorFlow，Caffe。

有很多教程可以开始，例如，如果给定图像显示自然场景，您可以从二进制分类器开始输出。

你的数据库设置可以有一个结构，像这样：

Digits例如可以使用这样的结构来创建一个数据集，并能够使用专为Caffe和TensorFlow模型。

我还建议您阅读有关微调网络的内容，因为如果您从头开始进行培训，则在数据库中需要大量图像。

在Caffe中，您可以调整像CaffeNet或GoogeNet这样的预训练模型。

我认为这些是一些基本的信息，应该让你开始。

从scikit学习和面部检测：面部检测更多地寻找本地候选或图像补丁，可能包含一张脸。另一方面，你的问题更多的是整个形象的全球性问题。这就是说我会从这里开始建立一个能够为你提取本地和全局特征的神经网络。