我在使用图像数据进行机器学习训练，并使用SIFT算法，但我的数据存在一些问题，其中一些图像的描述符为0。因此，当我完成训练和测试后，结果仅达到56%（显然，这不是我期望的结果）。为了解决这个问题，我决定删除那些描述符为0的图像。然而，我只能从包含图像描述符的images_descriptor数组中删除。我的问题在于，我不知道应该删除哪些图像，以便能够删除它们的’target’。
我的数据形状为： (15000, 64, 64, 3)

到目前为止，我的代码如下：

X = data['data']y = data['targets']#从X（即你的图像数据）中提取SIFT特征images_descriptor = extract_sift_feature(X)index_list = []filter_images_descriptor = []for i in range(len(images_descriptor)):    if images_descriptor[i] is not None:        filter_images_descriptor.append(images_descriptor[i])            if images_descriptor[i] is None:        index = np.where(images_descriptor == images_descriptor[i])         index_list.append(index[0])     filter_images_descriptor = np.array(filter_images_descriptor)

我试图创建一个索引来从images_descriptor中获取索引，以便我能知道哪些图像的描述符为0，方法是使用np.where。然后我可以从images_descriptor中删除相应的图像，并在y中删除它们。但我得到的结果是： (array([], dtype=int64)。

回答：

针对数据中某些图像不包含特征的问题，我提供了一个解决方案，即删除任何不包含特征的数据

def extract_sift_feature(X, y):    images_descriptor = []    filter_images_descriptor = []    NoneType_index_list = []    sift = cv2.SIFT_create()    for i in range(len(X)):        _kp, des = sift.detectAndCompute(X[i], None)        images_descriptor.append(des)        #检查是否有图像的特征描述符为0         if des is None:          NoneType_index_list.append(i)    images_descriptor = np.array(images_descriptor)    #过滤掉特征描述符为0的图像     for i in range(len(images_descriptor)):        if images_descriptor[i] is not None:            filter_images_descriptor.append(images_descriptor[i])    filter_images_descriptor = np.array(filter_images_descriptor)    new_y = np.delete(y, NoneType_index_list)    return filter_images_descriptor, new_y