質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.36%

hog特徴量ベクトルに対してpcaを行いたい

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 513

Kushiro

score 5

前提・実現したいこと

ここに質問の内容を詳しく書いてください。
pythonを用いて、画像のhog特徴量を求める作業を行なっています。
その際、出力されるhog特徴量ベクトルの要素数が膨大(1601208)であるため、主成分分析(pca)を用いて1000程度の要素数への圧縮を試みているのですが、hog特徴ベクトルにそのままpcaを行うことができません。
どのようにすれば良いのでしょうか?

(hogおよびpcaに対する理解が十分ではないため、理解に誤りがあればご教授いただけると幸いです)

発生している問題・エラーメッセージ

ValueError: n_components=1000 must be between 0 and min(n_samples, n_features)=1 with svd_solver='full'

該当のソースコード

import cv2
from skimage.feature import hog
from sklearn.decomposition import PCA

read_file = "image/corporate_address/001_01.png"

#グレースケールで画像読み込み
image = cv2.imread(read_file, cv2.IMREAD_GRAYSCALE)

#hog特徴量を計算、ベクトルを取得
fd = hog(image, orientations=9, pixels_per_cell=(6, 6),cells_per_block=(6, 6), visualize=False)

#ベクトルをreshape?(よく理解できていません)
fd = fd.reshape(-1, 1)

#pcaを行いたい
pca = PCA(n_components=1000, svd_solver='full')
pca.fit(fd)

試したこと

Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
というエラーが発生したため、特徴量ベクトルにreshapeを実行

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

0

PCAは複数の個体(なのでここでは複数枚の画像データ)から分散共分散行列(または相関係数行列)を計算し、これを固有値分解して得られた固有ベクトルを削減後の空間の正規直交基底として次元削減を行う手法です。

この場合は複数枚の画像から構成されるデータセットに対して行わないといけません。単一の画像に対して行う方法はないかと思います。

また、そもそもそれだけ次元数が大きいとPCAも厳しいので、hoge特徴量の生成の段階で次元数がもう少し小さくなるようなパラメータチューニングをしないと実用的ではないと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/02/25 23:20

    複数枚の画像から構成されるデータセットに対して行うというのは、N枚の画像のhog特徴量ベクトルからN次元配列を作成してそれを入力とする、ということで良いのでしょうか?

    キャンセル

  • 2020/02/28 18:39

    sklearnの場合は(画面の枚数, 特徴量の次元数)のshapeの2次元配列にします。

    キャンセル

0

画像にトリミング処理を加えた上で、複数の画像のhog特徴量を配列にしてpcaを行う方針で解決しました。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.36%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る