智能数字图像处理：图卷积SGN代码（pytorch）之data.py解读

最新推荐文章于 2025-12-31 23:52:26 发布

原创

最新推荐文章于 2025-12-31 23:52:26 发布 · 1.2k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#列表 #python #深度学习 #tensorflow

本文详细解读了NTUDataset类及其子类NTUDataLoaders，包括数据集的初始化、获取数据的方法，以及如何处理和加载NTU RGB+D数据集。此外，还介绍了数据预处理过程，如collate_fn_fix_train、collate_fn_fix_val和collate_fn_fix_test方法，用于构建张量并进行数据调整。最后，涉及到数据增强的旋转和转换操作。

解读NTUDataset类：

定义3个方法：初始化方法，求长度方法，求x,y索引

def __init__(self, x, y):
self.x = x
self.y = np.array(y, dtype='int')

def __len__(self):
return len(self.y)

def __getitem__(self, index):
return [self.x[index], int(self.y[index])]

解读NTUDataLoaders类

1.def __init__(self, dataset ='NTU', case = 0, aug = 1, seg = 30):
self.dataset = dataset
self.case = case
self.aug = aug
self.seg = seg
self.create_datasets()
self.train_set = NTUDataset(self.train_X, self.train_Y)
self.val_set = NTUDataset(self.val_X, self.val_Y)
self.test_set = NTUDataset(self.test_X, self.test_Y)

2.get_train_loader方法:

if self.aug == 0:-》若传入参数为0
return DataLoader(self.train_set, batch_size=batch_size,
shuffle=True, num_workers=num_workers,
collate_fn=self.collate_fn_fix_val, pin_memory=False, drop_last=True)-》一个可迭代对象，使用iter()访问，不能使用next()访问，train_set数据集，batch_size批处理大小，num_workers线程，
elif self.aug ==1:-》若传入参数为0
return DataLoader(self.train_set, batch_size=batch_size,
shuffle=True, num_workers=num_workers,
collate_fn=self.collate_fn_fix_train, pin_memory=True, drop_last=True)-》一个可迭代对象，

3.get_val_loader方法，同理

4.get_test_loader方法：加载测试数据

5.get_train_size，get_val_size，get_test_size-》获取训练集大小，验证集大小，测试集大小

6.create_datasets方法：

if self.dataset == 'NTU':
if self.case ==0:
self.metric = 'CS'
elif self.case == 1:
self.metric = 'CV'
path = osp.join('./data/ntu', 'NTU_' + self.metric + '.h5')-》加载.h5文件

7.f = h5py.File(path , 'r')
self.train_X = f['x'][:]-》读取训练集x坐标
self.train_Y = np.argmax(f['y'][:],-1)-》读取训练集y坐标
self.val_X = f['valid_x'][:]-》读取验证集x坐标
self.val_Y = np.argmax(f['valid_y'][:], -1)-》读取验证集y坐标
self.test_X = f['test_x'][:]-》读取测试集x坐标
self.test_Y = np.argmax(f['test_y'][:], -1)-》读取测试集y坐标
f.close()

8.将训练数据和验证数据合并为ST-GCN
self.train_X = np.concatenate([self.train_X, self.val_X], axis=0)-》能够一次完成多个数组的拼接。
self.train_Y = np.concatenate([self.train_Y, self.val_Y], axis=0)-》能够一次完成多个数组的拼接。
self.val_X = self.test_X-》测试集赋值給验证集
self.val_Y = self.test_Y-》测试集赋值給验证集

解读collate_fn_fix_train方法

作用：将每个数据字段放入具有外部维度批大小的张量中

1.x, y = zip(*batch)-》zip()&nb