PatchExtractor

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

Извлекает фрагменты из набора изображений.

Подробнее см. в Руководстве пользователя.

Добавлен в версии 0.9.

Параметры:

patch_sizeкортеж из целых чисел (высота_фрагмента, ширина_фрагмента), по умолчанию=None

Размеры одного фрагмента. Если установлено значение None, размер фрагмента будет автоматически задан как (img_height // 10, img_width // 10), где img_height и img_width — размеры входных изображений.

max_patchesцелое число или число с плавающей точкой, по умолчанию=None

Максимальное количество фрагментов на изображение для извлечения. Если max_patches — число с плавающей точкой в диапазоне (0, 1), оно интерпретируется как доля от общего числа фрагментов. Если установлено значение None, извлекаются все возможные фрагменты.

random_stateцелое число, экземпляр RandomState, по умолчанию=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

Восстановление изображения из всех его фрагментов.

Примечания

Этот оценщик не имеет состояния и не требует подгонки. Однако мы рекомендуем вызывать fit_transform вместо transform, так как 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)[source]

Только проверяет параметры оценщика.

Этот метод позволяет: (i) проверить параметры оценщика и (ii) быть совместимым с API трансформера scikit-learn.

Параметры:

Xмассив ndarray формы (n_samples, высота_изображения, ширина_изображения) или (n_samples, высота_изображения, ширина_изображения, n_каналов)

Массив изображений, из которых необходимо извлечь фрагменты. Для цветных изображений последняя размерность указывает на канал: изображение RGB будет иметь n_channels=3.

yИгнорируется

Не используется, присутствует для согласованности API по умолчанию.

Возвращает:

selfобъект

Возвращает сам экземпляр.

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

Подгонка к данным, затем преобразование.

Производит подгонку трансформатора к X и y с необязательными параметрами fit_params и возвращает преобразованную версию X.

Параметры:

Xмассив-подобный формы (n_samples, n_features)

Входящие образцы.

yмассив-подобный формы (n_samples,) или (n_samples, n_outputs), по умолчанию=None

Целевые значения (None для неконтролируемых преобразований).

**fit_paramsсловарь

Дополнительные параметры подгонки.

Возвращает:

X_newмассив ndarray формы (n_samples, n_features_new)

Преобразованный массив.

get_metadata_routing()[source]

Получение маршрутизации метаданных этого объекта.

Подробнее о механизме маршрутизации см. Руководство пользователя.

Возвращает:

routingMetadataRequest

MetadataRequest encapsulating routing information.

get_params(deep=True)[source]

Получение параметров этого оценщика.

Параметры:

deepbool, по умолчанию=True

Если True, вернет параметры этого оценщика и содержащихся в нем подобъектов, являющихся оценщиками.

Возвращает:

paramsсловарь

Названия параметров, сопоставленные с их значениями.

set_output(*, transform=None)[source]

Установка контейнера вывода.

Пример использования API см. в Ввод API set_output.

Параметры:

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

Настройка вывода transform и fit_transform.

• "default": Формат вывода по умолчанию для трансформатора
• "pandas": Вывод DataFrame
• "polars": Вывод Polars
• None: Настройка преобразования не изменяется

Добавлен в версии 1.4: "polars" option was added.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

set_params(**params)[source]

Установите параметры этого оценщика.

Метод работает как с простыми оценщиками, так и с вложенными объектами (такими как Pipeline). Последние имеют параметры в формате <component>__<parameter>, что позволяет обновлять каждый компонент вложенного объекта.

Параметры:

**paramsdict

Параметры оценщика.

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

transform(X)[source]

Преобразует образцы изображений в X в матрицу данных блоков.

Параметры:

Xмассив ndarray формы (n_samples, image_height, image_width) или (n_samples, image_height, image_width, n_channels)

Массив изображений, из которых необходимо извлечь блоки. Для цветных изображений последняя размерность определяет канал: изображение RGB будет иметь n_channels=3.

Возвращает:

patchesмассив формы (n_patches, patch_height, patch_width) или (n_patches, patch_height, patch_width, n_channels)

Коллекция блоков, извлеченных из изображений, где n_patches — это либо n_samples * max_patches , либо общее количество блоков, которое можно извлечь.