图像分类任务1——读取自己的数据集

最新推荐文章于 2025-06-08 09:00:45 发布

原创

最新推荐文章于 2025-06-08 09:00:45 发布 · 4.2k 阅读

38 ·

CC 4.0 BY-SA版权

本文介绍如何处理和读取自定义的图像分类数据集，数据集包含11个文件夹，其中10个是训练类别，最后一个用于测试。在处理中，将最后两类合并为一类，变成9分类任务，并对文件进行统一重命名。在读取数据集时，通过load_data函数将图像和标签分别存入列表，注意训练集的顺序可以打乱，而测试集需要保持原有顺序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

数据集准备
读取数据集

数据集准备

数据集形式

初学图像分类任务时往往会用MNIST或者CIFAR-10作为实验练手项目，但这两个数据集是各大框架内部已经集成的，导入的时候只需要直接调用即可。
当使用自己的数据集时要先做一些处理。
这次的图像分类任务数据集形式如下：
在这里插入图片描述
共有11个文件夹，前10个是类别及其对应的图片，第11是测试（预测）图片，分类任务的成绩由Testset文件夹的准确度给定。

在这里插入图片描述

数据集处理

在网上查阅相关资料后，把文件夹分为如下形式：
在这里插入图片描述
TL_Dataset中存放训练集：

由于最后两类都是Negative类，故统一成一类，变为9分类任务

合并时文件统一重新命名

由于要把最后两类合并成一类，而在每一类文件夹中。图片都是从0开始命名，因此要把第10类的文件从5001（第9类标号到5000）开始重命名。

文件批量重命名

import os
class BatchRename():
    #批量重命名文件夹中的图片文件
    def __init__(self):
        self.path = r'C:\Users\yzh_1\Desktop\assignment2\TL_Dataset\TL_Dataset\9'
     def rename(self):
        filelist = os.listdir(self.path