概要
图像分类是图像处理的第一步,必须要有数据集,有了数据集,才能分类,构建,训练模型代码。
代码讲解
1.导入必要的库
import os
import shutil
import random
import pandas as pd
这里用到的库有 os、shutil、random、pandas。其中os用于python库和操作系统进行交互,shutil用于文件的复制、移动等操作,random是用来生成随机数的,pandas用来分析和处理数据。都是必要的库。
2.指定数据集路径并处理
# 指定数据集路径
dataset_path = r"D:\桌面\昆虫"
dataset_name = dataset_path.split('_')[0]
print('数据集', dataset_name)
classes = os.listdir(dataset_path)
len(classes)
classes
首先读取电脑上存放想训练模型的文件夹,复制路劲后就行了,注意要么在引号前加一个“r”,要么文件路径中使用“\\”双斜杠,否则会报错。
读取数据集后,我们可以打印出显示一下是否读取成功,如下图。
同时也可以读取文件夹中所有不同种类的文件夹名称。
ps:没有图片的可以看我主页,我会出一篇图片爬虫的python代码,方便,简单。
3.数据集分类成train和test
运行代码后,文件夹中会生成两个新文件,一个是train,一个是test。通过设置测试集比例,可以控制训练和测试集的比例。例如这里是0.2,训练集就有4张照片,测试集只有1张。然后的代码就是讲所有种类按比例分配到train和test文件中,形成我们自己的数据集,方便我们后面的训练、制作模型。
# 创建 train 文件夹
os.mkdir(os.path.join(dataset_path, 'train'))
# 创建 test 文件夹
os.mkdir(os.path.join(dataset_path, 'val'))
# 在 train 和 test 文件夹中创建各类别子文件夹
for fruit in classes:
os.mkdir(os.path.join(dataset_path, 'train', fruit))
os.mkdir(os.path.join(dataset_path, 'val', fruit))
test_frac = 0.2 # 测试集比例
random.seed(123) # 随机数种子,便于复现
df = pd.DataFrame()
print('{:^18} {:^18} {:^18}'.format('类别', '训练集数据个数', '测试集数据个数'))
for fruit in classes: # 遍历每个类别
# 读取该类别的所有图像文件名
old_dir = os.path.join(dataset_path, fruit)
images_filename = os.listdir(old_dir)
random.shuffle(images_filename) # 随机打乱
# 划分训练集和测试集
testset_numer = int(len(images_filename) * test_frac) # 测试集图像个数
testset_images = images_filename[:testset_numer] # 获取拟移动至 test 目录的测试集图像文件名
trainset_images = images_filename[testset_numer:] # 获取拟移动至 train 目录的训练集图像文件名
# 移动图像至 test 目录
for image in testset_images:
old_img_path = os.path.join(dataset_path, fruit, image) # 获取原始文件路径
new_test_path = os.path.join(dataset_path, 'val', fruit, image) # 获取 test 目录的新文件路径
shutil.move(old_img_path, new_test_path) # 移动文件
# 移动图像至 train 目录
for image in trainset_images:
old_img_path = os.path.join(dataset_path, fruit, image) # 获取原始文件路径
new_train_path = os.path.join(dataset_path, 'train', fruit, image) # 获取 train 目录的新文件路径
shutil.move(old_img_path, new_train_path) # 移动文件
# 删除旧文件夹
assert len(os.listdir(old_dir)) == 0 # 确保旧文件夹中的所有图像都被移动走
shutil.rmtree(old_dir) # 删除文件夹
# 工整地输出每一类别的数据个数
print('{:^18} {:^18} {:^18}'.format(fruit, len(trainset_images), len(testset_images)))
# 保存到表格中
df = df.append({'class':fruit, 'trainset':len(trainset_images), 'testset':len(testset_images)}, ignore_index=True)
# 重命名数据集文件夹
shutil.move(dataset_path, dataset_name+'_split')
# 数据集各类别数量统计表格,导出为 csv 文件
df['total'] = df['trainset'] + df['testset']
df.to_csv('数据量统计.csv', index=False)
df
小结
比较菜,写的不好,或哪里不对见谅,又不会的可以私聊我。只用改一一下文件路劲就行了。