列表如何找出并修正“噪点”数据

[chenliang0571]

比如： ['A','A','A''A','A','C','A','A','A','A','C','A','C','C','C','C','C','C','C'] 这个列表里面的第一个C是错误的数据，我称之为“噪点”。

需要找出第一个和第二个C并修改成A，同时不影响后半部分的C。不知道有没有好的办法？

假设

• 噪点数据不会连续出现三次，三个及以上视为正常数据

背景

使用face-recognition做视频人脸识别，有时很少的几帧会识别错误，A 识别成了 C ，但是一个片段绝大部分还是能正确识别的。目前需要修正这些识别错误的人脸，根据前后几帧做出推断。

上面这个例子，恰巧同一块区域先出现了 A ，镜头切换后 C 的脸也在同一块区域。

[Kirscheis]

现成的算法不好改的话，对 confidence 做 bilateral filter 试试

以及连续跟踪目标是研究得挺成熟的专门的算法，叫做 object tracking 或者 target tracking ，你可以找找，我记得有些算法有直接套 yolo 的实现，可以网上下载代码先试试

[tramm]

卡尔曼滤波算法?

[shinyy]

3*1 的邻域 中间值修正为邻域里数量多的值就可以了

[codehz]

听起来可以滑动窗口，窗口大小为 4 ，然后发现中间两个至少一个与周围不同的，就修复，方式为复制左侧活着右侧的值覆盖
（所以 A A A B C C C 这种情况怎么处理）

[AyaseEri]

理论上，这应该是椒盐噪声，中值滤波能一定程度上解决问题

[LeeReamond]

图像学上解决这种问题一般用以下流程，比如 canny 边缘检测
1.卷积，你这个时间序列的话可能跑核=3 的一维卷积
2.滞后边界跟踪，经过 1 以后，仅有左右两边都是 C 的 C 点，才会是 C 点，可以认为这是个强 C 点，而卷积后改值了的 C 点就是弱 C 点，如果弱 C 点与强 C 点连接则将其调整为强 C 点

[documentzhangx66]

简单的平滑算法就可以检测甚至过滤掉这些噪点。

[nightwitch]

这个是做连续检测常见的问题，常规的思路就是做利用之前的识别结果在时序上做移动平均。
可以找点 object tracking 的代码看看