数据读取与数据扩增
图像读取
- 由于赛题数据是图像数据，任务为识别图像中的字符。故我们需要完成对数据的读取操作，较常见的相关库为pillow和opencv
pillow
- 是python图像处理函式库（PIL）的一个分支。
- 提供了常见的图像读取和处理的操作，可与ipython notebook无缝集成。
from PIL import Image
im = Image.open('/Users/linyuepu/Downloads/IMG_2054.png')
# 读取照片
im[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nA59mHJY-1590245773193)(output_2_0.png)]
from PIL import ImageFilter
# 应用模糊滤镜
im2 = im.filter(ImageFilter.BLUR)
im2[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lfaDn5PL-1590245773195)(output_3_0.png)]
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
- 内置很多图像特征处理算法，如关键点检测、边缘检测和直线检测等
数据扩增方法（Data Augmentation）
- 深度学习模型的训练过程中，参数非常多，一般模型可训练的参数量基本上为万到百万级别，而训练集样本的数量很难有这么多
- 用来增加训练集的样本
- 有效缓解模型过拟合的情况
- 给模型带来更强的泛化能力
方法
- 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有相应的区别。（图像颜色、尺寸、形态、空间和像素等角度进行变换，不同的数据扩增方法可以自由组合）
- 对于图像分类，数据扩增不会改变标签；对于物体检测，数据扩增会改变物体坐标位从置；对于图像分割，数据扩增会改变像素标签。
- 以torchvision为例，常见的数据扩增方法包括：
-1. transforms.CenterCrop 对图片中心进行裁剪
-2. transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换
-3. transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像
-4. transforms.Grayscale 对图像进行灰度变换
-5. transforms.Pad 使用固定值进行像素填充
-6. transforms.RandomAffine 随机仿射变换
-7. transforms.RandomCrop 随机区域裁剪
-8. transforms.RandomHorizontalFlip 随机水平翻转
-9. transforms.RandomRotation 随机旋转
-10. transforms.RandomVerticalFlip 随机垂直翻转
本题中对字符图片不能进行反转操作，比如字符6经过水平翻转变成字符9，会改变字符原本含义
常用数据扩增库
torchvision、imgaug、albumentations
Pytorch读取数据
- pytorch中数据通过dataset进行封装，并通过dataloder进行并行读取。故我们只需要重载一下数据读取的逻辑就可以完成数据的读取。
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])
]))- Dataset：对数据集的封装，提供索引方式的对数据样本进行读取
- DataLoder：对Dataset进行封装，提供批量读取的迭代读取
# 加入DataLoder后，数据读取代码改为如下
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('../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
)
for data in train_loader:
break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。此时data的格式为： torch.Size([10, 3, 64, 128]), torch.Size([10, 6]) 前者为图像文件，为batchsize * chanel * height * width次序；后者为字符标签。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
