物体识别（香蕉）

最新推荐文章于 2025-04-22 11:11:02 发布

原创

最新推荐文章于 2025-04-22 11:11:02 发布 · 1.1k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #人工智能 #python

文章介绍了如何下载和导入香蕉检测数据集，数据集包含图像和CSV标签文件，用于目标检测。通过`read_data_bananas`函数读取数据，并创建自定义的`BananasDataset`类以加载数据。接着，定义了`load_data_bananas`函数来获取训练和验证数据加载器。最后，展示了数据加载的示例，包括图像和对应的边界框信息。

✨✨✨

感谢优秀的你打开了小白的文章

“希望在看文章的你今天又进步了一点点，生活更加美好！”🌈🌈🌈

1.数据集下载

2.数据集导入

3.结果

1.数据集下载

包含所有图像和CSV标签文件的香蕉检测数据集可以直接从互联网下载。

%matplotlib inline
import os
import pandas as pd
import torch
import torchvision
from d2l import torch as d2l

#@save
d2l.DATA_HUB['banana-detection'] = (
    d2l.DATA_URL + 'banana-detection.zip',
    '5de26c8fce5ccdea9f91267273464dc968d20d72')

2.数据集导入

通过read_data_bananas函数，我们读取香蕉检测数据集。该数据集包括一个的CSV文件，内含目标类别标签和位于左上角和右下角的真实边界框坐标。

#@save
def read_data_bananas(is_train=True):
    """读取香蕉检测数据集中的图像和标签"""
    data_dir = d2l.download_extract('banana-detection')
    csv_fname = os.path.join(data_dir, 'bananas_train' if is_train
                             else 'bananas_val', 'label.csv')
    csv_data = pd.read_csv(csv_fname)
    csv_data = csv_data.set_index('img_name')
    images, targe