我是scikit学习的新手，我有很多图像和图像大小都不一样，有一种是真实场景的图像，比如
cdn.mayike.com/emotion/img/attached/image/dt/20170920/12/20170920121356/795.pngcdn.mayike.com/emotion/img/attached/image/main/img/20170916/15/20170916153205_512.png，
另一个不是真实场景的图像，如
cdn.mayike.com/emotion/img/attached/1/images/dt/20170917/01/20170917011403_856.jpeg
cdn.mayike.com/emetion/img-attached/images/dt/2017 0917/14/20170917145613_197.png.
我想用scikit来学习识别哪些不是真实场景的图像，我认为它类似于http://scikit-learn.org/stable/auto_examples/applications/plot_face_recognition.html#sphx-glr自动示例应用程序绘制人脸识别py
我完全不知道该怎么开始
如何创建日期集并从图像中提取特征
有人能告诉我该怎么办吗？
这似乎不是一个直接的编程问题，您的问题与非基础的"当前"研究有关。
似乎你应该阅读自然场景(统计)，熟悉当前的机器学习框架之一，如TensorFlow、Caffe。
有很多教程可以开始，例如，您可以从一个二进制分类器开始，该分类器输出给定图像是否显示自然场景。
你的数据库设置可能有这样的结构：
-> Dataset
-> natural_scenes
-> artificial_images
例如，Digits可以使用这样的结构来创建数据集，并能够使用为Caffe和TensorFlow设计的模型。
我还建议你阅读关于微调神经网络的文章，因为如果你从头开始训练，你的数据库中需要很多图像。
在Caffe中，您可以微调预训练的模型，如CaffeNet或GoogleNet。
我认为这些是一些基本信息，应该让你开始。
截至scikit学习和人脸检测：人脸检测更多的是寻找可能包含人脸的局部候选或图像补丁。另一方面，就整个形象而言，你的问题更像是一个全球性的问题。也就是说，我将从这里的神经网络开始，它能够为你提取局部和全局特征。