准备原图像及其标签的路径
import os
# 定义原图像所在的目录dir,及路径path
imgs_dir = r"The Oxford-IIIT Pet Dataset\images"
imgs_path = []
for fname in os.listdir(imgs_dir):
if fname.endswith('.jpg') and not fname.startswith('.'):
imgs_path.append(os.path.join(imgs_dir, fname))
# 定义原图像标签所在的目录dir,及路径path
labels_dir = r"The Oxford-IIIT Pet Dataset\annotations\trimaps"
labels_path = []
for fname in os.listdir(labels_dir):
if fname.endswith('.png') and not fname.startswith('.'):
labels_path.append(os.path.join(labels_dir, fname))
# 打印原图像路径及标签路径
for img_path, label_path in zip(imgs_path, labels_path):
print(img_path, '|', label_path, '\n')
# 对原图像路径及标签路径进行排序
imgs_path = sorted(imgs_path)
labels_path = sorted(labels_path)
# 打印排序后的原图像路径及标签路径
for img_path, label_path in zip(imgs_path, labels_path):
print(img_path, '|', label_path, '\n')
# 由上可以发现,os.listdir()返回的路径是随机的、无序的,由于原图像及标签需要一一对应。
# 因此,需要对它们的路径进行排序
第一次打印
第二次打印
上述代码还可简化为:
import os
def acquireDataPath(data_dir, suffix):
data_path = sorted([
os.path.join(data_dir, fname)
for fname in os.listdir(data_dir)
if fname.endswith(suffix) and not fname.startswith('.')
])
return data_path
imgs_path = acquireDataPath(r"The Oxford-IIIT Pet Dataset\images", 'jpg')
labels_path = acquireDataPath(r"The Oxford-IIIT Pet Dataset\annotations\trimaps", 'png')
for img_path, label_path in zip(imgs_path, labels_path):
print(img_path, '|', label_path, '\n')
注:
在这句代码中if fname.endswith(suffix) and not fname.startswith('.')
,一定要说明图像名的后缀是什么,以及不要以什么前缀开头。
具体怎么跑模型参考链接:
https://keras.io/examples/vision/oxford_pets_image_segmentation/