Python : 이전에 추가 된 항목과의 차이가 적을 때 목록에서 항목 삭제

video % .mp4를 프레임으로 자르는 이미지 인기 알고리즘을 만들고 있습니다. AI의 도움으로 프로그램은 가장 아름다운 이미지를 표시 할 수있는 프레임을 검사합니다. 그 결과는 '점수'로 표시됩니다.

이것은 작동하지만 문제가 발생합니다. 비디오의 특정 프레임은 매우 유사하기 때문에 (거의) 점수가 같은 프레임이 많이 있습니다.

결과적으로 [점수, 프레임 번호]로 목록이 생성됩니다. 예를 들어 목록의 3 개 항목이 거의 동일한 프레임 번호이므로 (거의) 동일한 점수 인 경우 중복 항목을 제거하기 위해 가장 높은 점수를 가진 목록의 프레임 번호 만 유지합니다.

다음 줄과 관련이 있습니다. result.append((predict(pil_image, model), name))

다음은 코드입니다.

import os
import torch
import torchvision.models
import torchvision.transforms as transforms
from PIL import Image
import json
import cv2


def prepare_image(image):
    if image.mode != 'RGB':
        image = image.convert("RGB")
    Transform = transforms.Compose([
        transforms.Resize([224, 224]),
        transforms.ToTensor(),
    ])
    image = Transform(image)
    image = image.unsqueeze(0)
    return image


def predict(image, model):
    image = prepare_image(image)
    with torch.no_grad():
        preds = model(image)
    score = preds.detach().numpy().item()
    print("Picture score: " + str(round(score, 2)) + "  |  frames left: " +str(framesToDo))
    return str(round(score, 2))

if __name__ == '__main__':
    model = torchvision.models.resnet50()
    model.fc = torch.nn.Linear(in_features=2048, out_features=1)
    model.load_state_dict(torch.load('model/model-resnet50.pth', map_location=torch.device('cpu')))
    model.eval()

    result = []

    # In de folder videos are videos saved with the name of 1 until 23
    for i in range(1, 23):
        vidcap = cv2.VideoCapture('./video/' + str(i) + '.mp4')
        succes, vidcap_image = vidcap.read()
        count = 0
        framestep = 500 #for Stackoverflow example
        framesToDo = vidcap.get(cv2.CAP_PROP_FRAME_COUNT)


        # while succes and count < max_frames
        while succes and count < int(vidcap.get(cv2.CAP_PROP_FRAME_COUNT)): #maximum amount of frames in video
            name = str(i) + '_' + str(count)
            cv2.imwrite("./frames_saved/" + 'vid' + '_' + name + ".jpg", vidcap_image)  # save frame as jpg image
            count += framestep # 500 frames further
            framesToDo = framesToDo - framestep

            cv2_image = cv2.cvtColor(vidcap_image, cv2.COLOR_BGR2RGB)
            pil_image = Image.fromarray(cv2_image)
            result.append((predict(pil_image, model), name))
            succes, vidcap_image = vidcap.read()
    result.sort(reverse=False)
    print(result)

    with open('result.json', 'w') as filehandle:
        filehandle.write(json.dumps(result))````