数据读取
由于赛题数据是图像数据,赛题的任务是识别图像中的字符。因此我们首先需要完成对数据的读取操作,在Python中有很多库可以完成数据读取的操作,比较常见的有Pillow和OpenCV。
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,而且可以与ipython notebook无缝集成,是应用比较广泛的库。
例如:
1、读取图像原始数据
from PIL import Image
# 读取图片
im =Image.open('C:/Users/Administrator/Desktop/IMG_0341.jpg')
im.show()
效果图如下:
2、将原图进行缩放
from PIL import Image
im = Image.open('C:/Users/Administrator/Desktop/IMG_0341.jpg')
w = im.size[0]
h = im.size[1]
im.thumbnail((w//4, h//4))
im.save('C:/Users/Administrator/Desktop/girl.jpg', 'jpeg')
#保存图片
效果图如下:
更多操作可以详见Pillow的官方文档:
OpenCV是一个跨平台的计算机视觉库,拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能上比Pillow更加强大很多,学习成本也高很多。
例如:将图片数据处理成灰度图
import cv2
# 导入Opencv库
img = cv2.imread('C:/Users/Administrator/Desktop/IMG_0341.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 转换为灰度图
cv2.imwrite('C:/Users/Administrator/Desktop/0342.jpg',img)
#保存图片
效果图如下:
OpenCV包含了众多的图像处理的功能,OpenCV包含了你能想得到的只要与图像相关的操作。此外OpenCV还内置了很多的图像特征处理算法,如关键点检测、边缘检测和直线检测等。
OpenCV官网:https://opencv.org/
OpenCV Github:https://github.com/opencv/opencv
OpenCV 扩展算法库:https://github.com/opencv/opencv_contrib
数据扩增
数据扩增介绍
目前图像领域最紧缺的还是缺少海量的数据素材资源,这是制约效果输出的关键因素之一,而数据扩增可以增加训练集的样本,同时也可以有效缓解模型过拟合的情况,也可以给模型带来更强的泛化能力。在模型中使用数据扩增方法后,能一定程度上提高数据容量,从而达到提高模型效果的目的。
数据扩增方法
数据扩增方法有很多:从颜色空间、尺度空间到样本空间,同时根据不同任务数据扩增都有相应的区别。
以torchvision为例,常见的数据扩增方法包括:
- transforms.CenterCrop 对图片中心进行裁剪
- transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换
- transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像
- transforms.Grayscale 对图像进行灰度变换
- transforms.Pad 使用固定值进行像素填充
- transforms.RandomAffine 随机仿射变换
- transforms.RandomCrop 随机区域裁剪
- transforms.RandomHorizontalFlip 随机水平翻转
- transforms.RandomRotation 随机旋转
- transforms.RandomVerticalFlip 随机垂直翻转
在本次赛题中,我们将在Pytorch中数据通过Dataset进行封装,并通过DataLoder进行并行读取。代码如下:
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('E:/天池赛题/train/*.png')
train_path.sort()
train_json = json.load(open('E:/天池赛题/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
)
for data in train_loader:
break
通过上述代码,可以将赛题的图像数据和对应标签进行读取,在读取过程中的进行数据扩增。
总结:学习了一些简单的图片处理操作,了解了一些数据读取与数据扩增方法。