利用scikit-image库生成图像标签数据集

利用scikit-image创建服装关键点标注数据集教程

原创

已于 2022-05-24 16:07:07 修改 · 1.1k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #计算机视觉 #深度学习

于 2022-05-20 17:37:01 首次发布

本文介绍了如何使用scikit-image库从CSV和图像文件中生成服装类型标注和关键点数据集，包括读取图像、预处理、坐标变换及数据集生成流程。

方法二：利用scikit-image库生成图像标签数据集

提示：此处独立使用图像库scikit-image。即仅用io读图和显示处理服装关键点数据集

安装OpenCV的时候，安装opencv_python：
pip install scikit-image
导入的时候：from skimage import io, transform, draw

服装关键点数据集下载：链接：https://pan.baidu.com/s/1A_UEaulqsz60OhC5BStA9g?pwd=hr47
提取码：hr47

数据集描述：pytorch生成图像标签数据集的三种方式–前言

Skimage模块常用子模块

Skimage模块常用子模块：
io用于图像读取、保存，显示图片和视频。color颜色空间变换。filters包括图像增强、边缘检测、排序滤波、自动阈值。
draw基于numpy数组图像绘制，线段、矩形、圆和文本。transform几何变换包括：旋转，拉伸，收缩等非回调函数。
Exposure曝光调整包括：强度、亮度、直方图均衡化。Feature特征检测与提取。
measure图像属性测量：相似性、等高线。segmentation图像分割。
restoration图像恢复。

生成图像-关键点坐标标签数据集

此例，服装类型和关键点图像-标签数据集，引入 io, transform, draw的函数模块进行处理。
数据集展示：（图像，坐标，类型）和只管图像显示。
在这里插入图片描述

代码：dataset_by_skimage.py

# 1.输入图像预处理，统一尺寸。
# 2.真实值ground truth变形，img的shape = (h,w,c),label的shape=(x, y, 是否存在和显隐)
# 3.返回一个数据发生器，img用于给模型做输入，label与输出做损失计算。
import os
import numpy as np
import pandas as pd
import torch
from skimage import io, transform, draw  # skimage是基于python开发的数字图片处理包。此处使用IO和transform--里面的变换均为不可回调函数
from torch.utils.data import Dataset, DataLoader

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")


class KeyPointsDataSet(Dataset):
    """服装关键点标记数据集"""

    def __init__(self, root_dir, image_set='train', transforms=None):
        """
        初始化数据集
        :param root_dir: 数据目录(.csv和images的根目录)
        :param image_set: train训练,val验证,test测试
        :param transforms（callable,optional）:图像变换-可选
        标签数据文件格式为csv_file: 标签csv文件(内容：图像相对地址-category类型-标签coordination坐标)
        """
        self._imgset = image_set
        self._image_paths = []  # 用于存储图片地址列表
        self._labels = []  # 图片标签坐标群
        self._cates =