PatchExtractor

classsklearn.feature_extraction.image.PatchExtractor(*, patch_size=None, max_patches=None, random_state=None)[исходный код]

Извлекает фрагменты из коллекции изображений.

Подробнее см. в руководстве пользователя.

Добавлено в версии 0.9.

Параметры:

patch_sizetuple of int (patch_height, patch_width), default=None

Размеры одного фрагмента. Если задано значение None, размер фрагмента будет автоматически установлен в (img_height // 10, img_width // 10), где img_height и img_width — размеры входных изображений.

max_patchesint or float, default=None

Максимальное количество фрагментов, извлекаемых из каждого изображения. Если max_patches — число с плавающей точкой из интервала (0, 1), оно интерпретируется как доля от общего числа фрагментов. Если задано значение None, извлекаются все возможные фрагменты.

random_stateint, RandomState instance, default=None

Определяет генератор случайных чисел, используемый для случайной выборки, когда max_patches is not None. Используйте целое число, чтобы сделать случайность детерминированной. См. глоссарий.

См. также

reconstruct_from_patches_2d

Восстанавливает изображение из всех его фрагментов.

Примечания

Этот оценщик не хранит состояние и не требует обучения. Однако рекомендуется вызывать fit_transform вместо transform, поскольку проверка параметров выполняется только в fit.

Примеры

>>> from sklearn.datasets import load_sample_images
>>> from sklearn.feature_extraction import image
>>> # Use the array data from the second image in this dataset:
>>> X = load_sample_images().images[1]
>>> X = X[None, ...]
>>> print(f"Image shape: {X.shape}")
Image shape: (1, 427, 640, 3)
>>> pe = image.PatchExtractor(patch_size=(10, 10))
>>> pe_trans = pe.transform(X)
>>> print(f"Patches shape: {pe_trans.shape}")
Patches shape: (263758, 10, 10, 3)
>>> X_reconstructed = image.reconstruct_from_patches_2d(pe_trans, X.shape[1:])
>>> print(f"Reconstructed shape: {X_reconstructed.shape}")
Reconstructed shape: (427, 640, 3)

fit(X, y=None)[исходный код]

Проверяет только параметры оценщика.

Этот метод позволяет: (i) проверять параметры оценщика и (ii) обеспечивать соответствие API преобразователей scikit-learn.

Параметры:

Xndarray of shape (n_samples, image_height, image_width) or (n_samples, image_height, image_width, n_channels)

Массив изображений, из которых извлекаются фрагменты. Для цветных изображений последняя размерность задаёт канал: изображение RGB имело бы n_channels=3.

yIgnored

Не используется; присутствует для соответствия API согласно соглашению.

Возвращает:

selfobject

Возвращает сам экземпляр.

fit_transform(X, y=None, **fit_params)[исходный код]

Обучает на данных, а затем преобразует их.

Обучает преобразователь на X и y с необязательными параметрами fit_params и возвращает преобразованную версию X.

Параметры:

Xarray-like of shape (n_samples, n_features)

Входные выборки.

yarray-like of shape (n_samples,) or (n_samples, n_outputs), default=None

Целевые значения (None для неконтролируемых преобразований).

**fit_paramsdict

Дополнительные параметры обучения. Передавайте их, только если оценщик принимает дополнительные параметры в методе fit.

Возвращает:

X_newndarray array of shape (n_samples, n_features_new)

Преобразованный массив.

get_metadata_routing()[исходный код]

Получает сведения о маршрутизации метаданных этого объекта.

Подробнее о работе механизма маршрутизации см. в руководстве пользователя.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий сведения о маршрутизации.

get_params(deep=True)[исходный код]

Получает параметры этого оценщика.

Параметры:

deepbool, default=True

Если значение True, будут возвращены параметры этого оценщика и содержащихся в нём подобъектов, являющихся оценщиками.

Возвращает:

paramsdict

Имена параметров, сопоставленные их значениям.

set_output(*, transform=None)[исходный код]

Задаёт контейнер для выходных данных.

Подробнее см. в руководстве пользователя, а пример использования API приведён в разделе Знакомство с API set_output.

Параметры:

transform{“default”, “pandas”, “polars”}, default=None

Настраивает формат выходных данных для transform и fit_transform.

• "default": Формат выходных данных преобразователя по умолчанию
• "pandas": Выходные данные в формате DataFrame
• "polars": Выходные данные в формате Polars
• None: Конфигурация преобразования остаётся без изменений

Добавлено в версии 1.4: Добавлен параметр "polars".

Возвращает:

selfestimator instance

Экземпляр оценщика.

set_params(**params)[исходный код]

Задаёт параметры этого оценщика.

Метод работает как с простыми оценщиками, так и с вложенными объектами (например, Pipeline). Параметры последних имеют вид <component>__<parameter>, что позволяет обновлять каждый компонент вложенного объекта.

Параметры:

**paramsdict

Параметры оценщика.

Возвращает:

selfestimator instance

Экземпляр оценщика.

transform(X)[исходный код]

Преобразует образцы изображений из X в матрицу данных фрагментов.

Параметры:

Xndarray of shape (n_samples, image_height, image_width) or (n_samples, image_height, image_width, n_channels)

Массив изображений, из которых извлекаются фрагменты. Для цветных изображений последняя размерность задаёт канал: изображение RGB имело бы n_channels=3.

Возвращает:

patchesarray of shape (n_patches, patch_height, patch_width) or (n_patches, patch_height, patch_width, n_channels)

Коллекция фрагментов, извлечённых из изображений, где n_patches — либо n_samples * max_patches, либо общее количество фрагментов, которые можно извлечь.