我们已经了解了赛题的基本情况以及三种不同的解决方案,接下来,我们将学习如何读取赛题数据并对数据进行扩增。
1.学习目标
(1)掌握Python和pytorch的图像读取方法
(2)掌握基本的数据扩增方法,学会使用pytorch读取赛题数据
2.图像读取
Python中常见的用于图像处理的库有Pillow和OpenCV。
2.1 Pillow
Pillow是Python图像处理函式库(PIL)的一个分支。Pillow提供了常见的图像读取和处理的操作,如图像旋转、图像过滤与增强等。
from PIL import Image
from PIL import ImageFilter
from PIL import ImageEnhance
import matplotlib.pyplot as plt
img = Image.open("cat.png")
print(img.format) # 输出图片基本信息
print(img.mode) #输出图片的色彩模式
print(img.size) #输出图片的宽度和高度
img_blur = img.filter(ImageFilter.BLUR) #模糊处理
img_rotate = img.rotate(30) # 旋转
img_contour = img.filter(ImageFilter.CONTOUR) # 图片的轮廓
plt.figure()
plt.subplot(2,2,1)
plt.imshow(img)
plt.subplot(2,2,2)
plt.imshow(img_blur)
plt.subplot(2,2,3)
plt.imshow(img_rotate)
plt.subplot(2,2,4)
plt.imshow(img_contour)
plt.show()
2.2 OpenCV
OpenCV是一个跨平台的计算机视觉库,功能比Pillow更加强大。OpenCV也内置了很多图像特征处理的算法,如关键点检测、边缘检测、直线检测等。详细可以查看OpenCV官网,OpenCV Github,OpenCV 扩展算法库等。
import cv2
import matplotlib.pyplot as plt
img = cv2.imread("./cat.png")
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #Opencv默认颜色通道顺序是BGR,将其转换为RGB
img_gaussian_blur = cv2.GaussianBlur(img, (5, 5), 1, 0) # 高斯模糊
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转换为灰度图
img_edges = cv2.Canny(img,30,70) #Canny边缘检测
plt.figure()
plt.subplot(2,2,1)
plt.imshow(img)
plt.subplot(2,2,2)
plt.imshow(img_gaussian_blur)
plt.subplot(2,2,3)
plt.imshow(img_gray,cmap = "gray")
plt.subplot(2,2,4)
plt.imshow(img_edges,cmap = "gray")
plt.show()
3.数据扩增
数据扩增是指不实际增加原始数据,只是对原始数据做一些变换,从而创造出更多的数据,目的是增加数据量、丰富数据多样性、缓解模型过拟合的情况,提高模型的泛化能力。
数据扩增的基本原则:
(1)不能引入无关的数据
(2)扩增总是基于先验知识的,对于不同的任务和场景,数据扩增的策略也会不同。
(3)扩增后的标签保持不变
常见的数据扩增的方法有裁剪、几何变换、加入噪声、改变对比度和亮度、模糊处理等。
常用的数据扩增库有torchvision,imgaug,albumentations.
以下给出torchvision进行数据扩增的一些例子。
from PIL import Image
from torchvision import transforms as tfs
import matplotlib.pyplot as plt
im = Image.open('./cat.png')
im_hf = tfs.RandomHorizontalFlip()(im) #随机水平翻转
im_vf = tfs.RandomVerticalFlip()(im) #随机竖直翻转
im_cj = tfs.ColorJitter(hue=0.5)(im) # 随机从 -0.5 ~ 0.5 之间对颜色变化
plt.figure()
plt.subplot(2,2,1)
plt.imshow(im)
plt.subplot(2,2,2)
plt.imshow(im_hf)
plt.subplot(2,2,3)
plt.imshow(im_vf)
plt.subplot(2,2,4)
plt.imshow(im_cj)
plt.show()
上面这些扩增方法都不是孤立起来用的,可以联合起来用,比如先做随机翻转,然后随机截取,再做对比度增强等等,torchvision 里面有个非常方便的函数能够将这些变化合起来,这个函数就是torchvision.transforms.Compose(),例如:
im_aug = tfs.Compose([
tfs.Resize(150),
tfs.RandomHorizontalFlip(),
tfs.RandomCrop(140),
tfs.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5)
])
nrows = 3
ncols = 3
figsize = (8, 8)
_, figs = plt.subplots(nrows, ncols, figsize=figsize)
for i in range(nrows):
for j in range(ncols):
figs[i][j].imshow(im_aug(im))
figs[i][j].axes.get_xaxis().set_visible(False)
figs[i][j].axes.get_yaxis().set_visible(False)
plt.show()
4.数据读取
下面,进行赛题数据的读取,在Pytorch中数据是通过Dataset进行封装,并通过DataLoder进行并行读取。我们重载一下Dataset。
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
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)
# 原始SVHN中类别10为数字0
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)
train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
data = SVHNDataset(train_path, train_label,
transforms.Compose([
# 缩放到固定尺寸
transforms.Resize((64, 128)),
# 随机颜色变换
transforms.ColorJitter(0.2, 0.2, 0.2),
# 加入随机旋转
transforms.RandomRotation(5),
# 将图片转换为pytorch 的tesntor
# transforms.ToTensor(),
# 对图像像素进行归一化
# transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
]))
在定义好的Dataset基础上构建DataLoder。
Dataset与DataLoder的区别在于:
Dataset:对数据集的封装,提供索引的方式对数据样本进行读取
DataLoder:对Dataset进行封装,提供批量读取的方式对数据进行迭代读取.
读取数据代码修改为:
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
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)
# 原始SVHN中类别10为数字0
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)
train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
train_loader = torch.utils.data.DataLoader(
SVHNDataset(train_path, train_label,
transforms.Compose([
transforms.Resize((64, 128)),
transforms.ColorJitter(0.3, 0.3, 0.2),
transforms.RandomRotation(5),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])),
batch_size=10, # 每批样本个数
shuffle=False, # 是否打乱顺序
num_workers=10, # 读取的线程个数
)
在加入DataLoder后,数据按照批次获取,每批次调用Dataset读取单个样本进行拼接。
5.小结
本节介绍了数据读取与扩增的常用方法,使用Pytorch框架对本次赛题的数据进行读取。
掌握了数据读取的方法后,接下来就可以建立字符识别模型了。