《街景字符编码识别CV组队学习》第2次打卡

一、数据读取与数据扩增

1. 图像读取
   PIL和OpenCV
   1.1 PIL

from PIL import Image
img=Image.open('cat.jpg')

1.2 OpenCV

import cv2
img=cv2.imread('cat.jpg')

2.数据扩增
数据扩增是本次比赛的关键，在简单扩增的情况下，训练非常容易过拟合。尝试增加更多的合适的扩增方法

3.Pytorch 读取数据
Dataset是对数据集的封装，提供索引读取数据的方式

class SVHNDataset(Dataset):
    def __init__(self, img_path, img_label, transform=None):
        self.img_path = img_path
        self.img_label = img_label
        if transform is not None:
            self.transform = transform
        else:
            self.transform = None

    def __getitem__(self, index):
        img = Image.open(self.img_path[index]).convert('RGB')

        if self.transform is not None:
            img = self.transform(img)

        lbl = np.array(self.img_label[index], dtype=np.int)
        lbl = list(lbl) + (5 - len(lbl)) * [10]
        return img, torch.from_numpy(np.array(lbl[:5]))

    def __len__(self):
        return len(self.img_path)

DataLoader是对Dataset的封装，提供迭代读取方式

train_loader = torch.utils.data.DataLoader(
    SVHNDataset(train_path, train_label,
                transforms.Compose([
                    transforms.Resize((64, 128)),
                    transforms.RandomCrop((60, 120)),
                    transforms.ColorJitter(0.3, 0.3, 0.2),
                    transforms.RandomRotation(10),
                    transforms.ToTensor(),
                    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])),
    batch_size=40,
    shuffle=True,
    num_workers=1,
)

二、小结
pytorch提供的Dataset类，DataLoader类提供了方便的数据集操作，位于torch.utils.data下面。
num_workers在windows系统需要修改为0