paddle03_1图片分类之数据制作

最新推荐文章于 2023-03-21 17:59:45 发布

原创最新推荐文章于 2023-03-21 17:59:45 发布 · 251 阅读

0 ·

CC 4.0 BY-SA版权

人工智能同时被 2 个专栏收录

16 篇文章

订阅专栏

paddle框架案例

3 篇文章

订阅专栏

本文介绍了一种用于划分和预处理图片数据集的方法，包括将不同类别的图片按比例分配到训练集和测试集，同时确保图片格式正确并排除非彩色图片。通过Python脚本实现，该过程涉及读取指定目录下的图片，检查图片类型，转换图片为数组，并记录图片路径及标签。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、数据类别数：将不同类别的图片放入不同的文件夹下：

2、生成标签列表

import warnings
warnings.filterwarnings('ignore')
import imghdr  # 判断图片格式用的
import random
# import seaborn as sns
from time import time
import paddle.fluid as fluid
import paddle
import numpy as np
from PIL import Image
import os
from multiprocessing import cpu_count
import matplotlib.pyplot as plt


# 图片目录
data_1 = 'F:/dataSet/IMG/1'
data_2 = 'F:/dataSet/IMG/2'
data_3 = 'F:/dataSet/IMG/3'
data_path = [data_1, data_2, data_3]

train_img_num = 0
test_img_num = 0
with open('train_data.list', 'w') as f_train:  # 需要存放的文件
    with open('test_data.list', 'w') as f_test:
        for label,path in enumerate(data_path):
            data_imgs = os.listdir(path)
            for i in range(len(data_imgs)):
                try:
                    img_path = os.path.join(path, data_imgs[i]) # 合成路径
                    img_type = imghdr.what(img_path)            # 获取图片类型
                    if (img_type == 'jpeg')|(img_type == 'jpg'):    # jpeg/jpg格式图片保存
                        img_arr = np.array(Image.open(img_path))  # 获取图片数据形式
                        sp = img_arr.shape
                        # print("通道数：",img_arr.shape[2])
                        if len(img_arr.shape) != 1:             # 非彩色图不要
                            if i % 10 == 0:
                                test_img_num += 1
                                f_test.write(img_path + "\t" + str(label) + '\n')
                            else:
                                train_img_num += 1
                                # print(img_path + "\t" + str(label+1) + '\n')
                                f_train.write(img_path + "\t" + str(label) + '\n')
                except:
                    pass
print('图像列表已生成。')
print(f'训练图片{train_img_num}张，测试图片{test_img_num}张。')