文章目录
- 1 简介
- 2 学习目标
- 3 图像读取
- 3.1 Pillow
- 3.1.1 安装
- 3.1.2 基本操作
- 3.2 OpenCV
- 4 数据扩增方法
- 4.1 数据扩增介绍
- 4.2 常见的数据扩增方法
- 4.3 常用的数据扩增库
- 4.3.1 torchvision
- 4.3.2 imgaug
- 4.3.3 albumentations
- 5 PyTorch读取数据(Dataset、DataLoder)
1 简介
本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。
2 学习目标
- 学习Python和Pytorch中图像读取
- 学会扩增方法和Pytorch读取赛题数据
3 图像读取
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
。
3.1 Pillow
Pillow是Python图像处理函式库(Python Imaging Library,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。其官方文档是:https://pillow.readthedocs.io/en/stable/
3.1.1 安装
如果安装了Anaconda,Pillow就已经可用了。否则,需要在命令行下通过pip安装:
$ pip install pillow
注意:如果遇到Permission denied
安装失败,请加上sudo
重试。
此外,Anaconda的安装见:Anaconda安装、环境的配置以及Jupyter和Spyder的打开
3.1.2 基本操作
读取图片:
from PIL import Image
# 打开一个jpg图像文件,注意是当前路径:
im = Image.open('test.jpg')
更多操作可以见官方文档:https://pillow.readthedocs.io/en/stable/
3.2 OpenCV
OpenCV的安装见:64位系统下 python3.7安装OpenCV、OpenGL。64位系统的同学要特别其安装方式。
OpenCV是一个跨平台的计算机视觉库,最早由Intel开源得来。OpenCV发展的非常早,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。
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
4 数据扩增方法
4.1 数据扩增介绍
数据扩增(Data Augmentation),在深度学习中非常重要,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,也可以提高泛化能力。
- 数据扩增为什么有用?
增加训练集样本的数量。在深度学习模型的训练过程中,数据扩增是必不可少的环节。现有深度学习的参数非常多,一般的模型可训练的参数量基本上都是万到百万级别,而训练集样本的数量很难有这么多。
其次数据扩增可以扩展样本空间,假设现在的分类模型需要对汽车进行分类,左边的是汽车A,右边为汽车B。如果不使用任何数据扩增方法,深度学习模型会从汽车车头的角度来进行判别,而不是汽车具体的区别。 - 有哪些数据扩增方法?
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。
对于图像分类,数据扩增一般不会改变标签;
对于物体检测,数据扩增会改变物体坐标位置;
对于图像分割,数据扩增会改变像素标签。
4.2 常见的数据扩增方法
在常见的数据扩增方法中,一般会从图像颜色、尺寸、形态、空间和像素等角度进行变换。当然不同的数据扩增方法可以自由进行组合,得到更加丰富的数据扩增方法。
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 -
transforms.FiveCrop
对图像四个角和中心进行裁剪得到五分图 -
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
4.3 常用的数据扩增库
4.3.1 torchvision
https://github.com/pytorch/vision pytorch官方提供的数据扩增库,提供了基本的数据数据扩增方法,可以无缝与torch进行集成;但数据扩增方法种类较少,且速度中等;
4.3.2 imgaug
https://github.com/aleju/imgaug imgaug是常用的第三方数据扩增库,提供了多样的数据扩增方法,且组合起来非常方便,速度较快;
4.3.3 albumentations
https://albumentations.readthedocs.io 是常用的第三方数据扩增库,提供了多样的数据扩增方法,对图像分类、语义分割、物体检测和关键点检测都支持,速度较快。
5 PyTorch读取数据(Dataset、DataLoder)
在Pytorch中数据是通过Dataset进行封装,并通过DataLoder进行并行读取。所以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])
]))
接下来我们将在定义好的Dataset基础上构建DataLoder,你可以会问有了Dataset为什么还要有DataLoder?其实这两个是两个不同的概念,是为了实现不同的功能。
- 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]
# 对SVHNDataset进行封装
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。