python 训练pytesseract python 训练 图片分类

importosimportrandomimportshutilfrom shutil importcopy2"""os.listdir会将文件夹下的文件名集合成一个列表并返回"""
defgetDir(filepath):
pathlist=os.listdir(filepath)returnpathlist"""制作五类图像总的训练集，验证集和测试集所需要的文件夹，例如训练集的文件夹中装有五个文件夹，这些文件夹分别装有一定比例的五类图像"""
defmkTotalDir(data_path):
os.makedirs(data_path)
dic=[‘train‘,‘validation‘,‘test‘]for i in range(0,3):
current_path=data_path+dic[i]+‘/‘
#这个函数用来判断当前路径是否存在，如果存在则创建失败，如果不存在则可以成功创建
isExists=os.path.exists(current_path)if notisExists:
os.makedirs(current_path)print(‘successful‘+dic[i])else:print(‘is existed‘)return
"""传入的参数是五类图像原本的路径，返回的是这个路径下各类图像的名称列表和图像的类别数"""
defgetClassesMes(source_path):
classes_name_list=getDir(source_path)
classes_num=len(classes_name_list)returnclasses_name_list,classes_num"""change_path其实就是制作好的五类图像总的训练集，验证集和测试集的路径，sourcepath和上面一个函数相同
这个函数是用来建训练集，测试集，验证集下五类图像的文件夹，就是建15个文件夹，当然也可以建很多类"""
defmkClassDir(source_path,change_path):
classes_name_list,classes_num=getClassesMes(source_path)for i inrange(0,classes_num):
current_class_path=os.path.join(change_path,classes_name_list[i])
isExists=os.path.exists(current_class_path)if notisExists:
os.makedirs(current_class_path)print(‘successful‘+classes_name_list[i])else:print(‘is existed‘)"""source_path:原始多类图像的存放路径
train_path:训练集图像的存放路径
validation_path:验证集图像的存放路径
test_path:测试集图像的存放路径"""
defdivideTrainValidationTest(source_path,train_path,validation_path,test_path):"""先获取五类图像的名称列表和类别数目"""classes_name_list,classes_num=getClassesMes(source_path)"""调用上面的函数，在训练集验证集和测试集文件夹下建立五类图像的文件夹"""mkClassDir(source_path,train_path)
mkClassDir(source_path,validation_path)
mkClassDir(source_path,test_path)"""先将一类图像的路径拿出来，将这个路径下所有这类的图片，就是800张图片的文件名做成一个列表，使用os.listdir函数，
然后再将列表里面的所有图像名进行shuffle就是随机打乱，然后从打乱后的图像中抽7成放入训练集，2成放入验证集，1成
放入测试集的图像名称列表"""
for i inrange(0,classes_num):
source_image_dir=os.listdir(source_path+classes_name_list[i]+‘/‘)
random.shuffle(source_image_dir)
train_image_list=source_image_dir[0:int(0.7*len(source_image_dir))]
validation_image_list=source_image_dir[int(0.7*len(source_image_dir)):int(0.9*len(source_image_dir))]
test_image_list=source_image_dir[int(0.9*len(source_image_dir)):]"""找到每一个集合列表中每一张图像的原始图像位置，然后将这张图像复制到目标的路径下，一共是五类图像
每类图像随机被分成三个去向，使用shutil库中的copy2函数进行复制，当然也可以使用move函数，但是move
相当于移动图像，当操作结束后，原始文件夹中的图像会都跑到目标文件夹中，如果划分不正确你想重新划分
就需要备份，不然的话很麻烦"""
for train_image intrain_image_list:
origins_train_image_path=source_path+classes_name_list[i]+‘/‘+train_image
new_train_image_path=train_path+classes_name_list[i]+‘/‘copy2(origins_train_image_path,new_train_image_path)for validation_image invalidation_image_list:
origins_validation_image_path=source_path+classes_name_list[i]+‘/‘+validation_image
new_validation_image_path=validation_path+classes_name_list[i]+‘/‘copy2(origins_validation_image_path,new_validation_image_path)for test_image intest_image_list:
origins_test_image_path=source_path+classes_name_list[i]+‘/‘+test_image
new_test_image_path=test_path+classes_name_list[i]+‘/‘copy2(origins_test_image_path,new_test_image_path)if __name__==‘__main__‘:
data_path= ‘D:/软件/pycharmProject/wenyuPy/Dataset/VGG16/‘source_path= ‘C:/Users/Administrator/Desktop/dataset/ImageData/‘train_path= ‘D:/软件/pycharmProject/wenyuPy/Dataset/VGG16/train/‘validation_path= ‘D:/软件/pycharmProject/wenyuPy/Dataset/VGG16/validation/‘test_path= ‘D:/软件/pycharmProject/wenyuPy/Dataset/VGG16/test/‘mkTotalDir(data_path)
divideTrainValidationTest(source_path, train_path, validation_path, test_path)