我想评估我的屏幕上是否发生了某个事件，每次事件发生时，屏幕特定区域会显示一个特定的框/图像，该区域的结构非常相似。

我已经从该屏幕区域收集了一组84×94的.png RGB图像，我想构建一个分类器来告诉我事件是否正在发生。

因此，我的想法是创建一个包含两列的pd.DataFrame (df)，df['np_array']包含每张图片作为np.array，而df['is_category']包含布尔值，指示该图像是否表示事件正在发生。

结构看起来像这样（大小不同）：

我已经将图像调整为10×10用于训练，并转换为灰度

df = pd.DataFrame(    {'np_array': [np.random.random((10, 10,2)) for x in range(0,10)],     'is_category': [bool(random.getrandbits(1)) for x in range(0,10)]    })

我的问题是，我无法通过clf.fit(df['np_array'],df['is_category'])来拟合scikit-learn分类器

我之前从未尝试过图像识别，提前感谢任何帮助！

回答：

如果它是一个10×10的灰度图像，你可以将其展平：

import numpy as npfrom sklearn import ensemble# 生成随机2d数组image_data = np.random.rand(10,10, 100)# 生成随机标签labels = np.random.randint(0,2, 100)X = image_data.reshape(100, -1)# 然后使用任何scikit-learn分类模型clf = ensemble.RandomForestClassifier()clf.fit(X, y)

顺便说一句，对于图像，最佳性能的算法是卷积神经网络。