搭建简单图片分类的卷积神经网络（一）-- 训练模型的图片数据预处理

最新推荐文章于 2024-09-10 21:39:58 发布

xiao韩

最新推荐文章于 2024-09-10 21:39:58 发布

阅读量1.4w

点赞数 6

分类专栏： Python与AI 深度学习卷积神经网络CNN

本文链接：https://blog.csdn.net/qq_28821995/article/details/83587032

版权

本文介绍了一个图片分类项目的预处理步骤，包括统一图片格式，按标签命名存储，以及训练集和测试集的划分。通过IntputData.py完成图片格式转换，使用GetCnnData对CNN输入数据进行处理。详细过程见CSDN连载文章。

摘要由CSDN通过智能技术生成

一、训练之前数据的预处理主要包括两个方面

1、将图片数据统一格式，以标签来命名并存到train文件夹中（假设原始图片按类别存到文件夹中）。

2、对命名好的图片进行训练集和测试集的划分以及图片数据化。

先对整个项目文件进行说明：

image文件里是用来对模型测试的未处理图片（训练模型不用）。

logs文件存放训练好的模型。

prediction文件是image文件中图片经过模型测试后分类的图片。

train文件有两个文件子层orig_data和train_data，前一个是未处理训练模型图片，后一个是处理好的进行模型训练的图片。

.py文件是项目程序，其他项目自带的，无关。

二、OK！现在先进行第一步，新建IntputData.py文件

import os
from PIL import Image
#未处理图片位置
orig_picture = r'E:\PycharmPython\NewCnn\train\orig_data'

#已处理图片存储位置
gen_picturn = r'E:\PycharmPython\NewCnn\train\train_data'

#查询需要分类的类别以及总样本个数
classes = []
num_sa