Datawhale零基础入门CV赛事(街景字符编码识别)-Task2:数据读取与数据扩增

背景

我们将逐渐的学习使用【定长字符识别】思路来构建模型,逐步讲解赛题的解决方案和相应知识点。

学习目标

  • 学习Python和Pytorch中图像读取
  • 学会扩增方法和使用Pytorch读取赛题数据

数据读取与数据扩增

  • 图像读取

    • Pillow

            Pillow是Python图像处理函式库(PIL)的一个分支。Pillow提供了常见的图像读取和处理的操作,而且可以与ipython notebook无缝集成,是应用比较广泛的库。

           但我用的少,请看官方链接。Pillow还有很多图像操作,是图像处理的必备库。Pillow的官方文档:https://pillow.readthedocs.io/en/stable/

    • OpenCV

           OpenCV是一个跨平台的计算机视觉库,最早由Intel开源得来。OpenCV发展的非常早,拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能上比Pillow更加强大很多,学习成本也高很多。

Datawhale零基础入门CV赛事(街景字符编码识别)-Task2:数据读取与数据扩增_第1张图片

如上图中,是执行下面代码显示的,因为历史原因,opencv中的是按照BGR进行排列,所以其显示和原图也是一样,实际上RGB排列并不是显示原图像。

  img = cv2.imread('./data/train/mchar_train/000000.png')
   cv2.imshow('src-bgr',img)
   img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
   cv2.imshow('src2-rgb',img)

 OpenCV包含了众多的图像处理的功能,OpenCV包含了你能想得到的只要与图像相关的操作。此外OpenCV还内置了很多的图像特征处理算法,如关键点检测、边缘检测和直线检测等。
OpenCV官网:https://opencv.org/
OpenCV Github:https://github.com/opencv/opencv
OpenCV 扩展算法库:https://github.com/opencv/opencv_contrib

  • 数据扩增方法

    • 数据扩增介绍

            在深度学习中数据扩增方法非常重要,数据扩增可以增加训练集的样本,同时也可以有效缓解模型过拟合的情况,也可以给模型带来的更强的泛化能力。

           为什么要进行数据扩增?

           在深度学习模型的训练过程中,数据扩增是必不可少的环节。现有深度学习的参数非常多,一般的模型可训练的参数量基本上都是万到百万级别,而训练集样本的数量很难有这么多。
         其次数据扩增可以扩展样本空间,假设现在的分类模型需要对汽车进行分类,左边的是汽车A,右边为汽车B。如果不使用任何数据扩增方法,深度学习模型会从汽车车头的角度来进行判别,而不是汽车具体的区别。

    • 常见的数据扩增方法

          数据扩增方法有很多:从颜色空间、尺度空间到样本空间,同时根据不同任务数据扩增都有相应的区别。
          对于图像分类,数据扩增一般不会改变标签;

          对于物体检测,数据扩增会改变物体坐标位置;

          对于图像分割,数据扩增会改变像素标签。

          在常见的数据扩增方法中,一般会从图像颜色、尺寸、形态、空间和像素等角度进行变换。当然不同的数据扩增方法可以自由进行组合,得到更加丰富的数据扩增方法。

torchvision为例,常见的数据扩增方法包括:

  • transforms.CenterCrop 对图片中心进行裁剪
    transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换
    transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像
    transforms.Grayscale 对图像进行灰度变换
    transforms.Pad 使用固定值进行像素填充
    transforms.RandomAffine 随机仿射变换
    transforms.RandomCrop 随机区域裁剪
    transforms.RandomHorizontalFlip 随机水平翻转
    transforms.RandomRotation 随机旋转
    transforms.RandomVerticalFlip 随机垂直翻转

     

    • 常用数据扩增库
  • torchvision

https://github.com/pytorch/vision
pytorch官方提供的数据扩增库,提供了基本的数据数据扩增方法,可以无缝与torch进行集成;但数据扩增方法种类较少,且速度中等;

  • imgaug

https://github.com/aleju/imgaug
imgaug是常用的第三方数据扩增库,提供了多样的数据扩增方法,且组合起来非常方便,速度较快;

  • albumentations

https://albumentations.readthedocs.io
是常用的第三方数据扩增库,提供了多样的数据扩增方法,对图像分类、语义分割、物体检测和关键点检测都支持,速度较快。

 

  • Pytorch读取数据

# -*- coding: utf-8 -*-

'''
@Time    : 2020/5/20 22:28
@Author  : HHNa
@FileName: dataset.py
@Software: PyCharm
 
'''

import os, sys, glob, shutil, json
import cv2

from PIL import Image
import numpy as np

import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms


class SVHNDataset(Dataset):
    def __init__(self, img_path, img_label, transform=None):
        self.img_path = img_path
        self.img_label = img_label
        if transform is not None:
            self.transform = transform
        else:
            self.transform = None

    def __getitem__(self, index):
        img = Image.open(self.img_path[index]).convert('RGB')

        if self.transform is not None:
            img = self.transform(img)

        # 原始SVHN中类别10为数字0
        lbl = np.array(self.img_label[index], dtype=np.int)
        lbl = list(lbl) + (5 - len(lbl)) * [10]

        return img, torch.from_numpy(np.array(lbl[:5]))

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

if __name__ == "__main__":
    train_path = glob.glob('./data/train/mchar_train/*.png')
    train_path.sort()
    train_json = json.load(open('./data/train/mchar_train.json'))
    train_label = [train_json[x]['label'] for x in train_json]
    
    # DataLoader 实现数据并行加载
    train_loader = torch.utils.data.DataLoader(
        SVHNDataset(train_path, train_label,
                    transforms.Compose([
                        transforms.Resize((64, 128)),
                        transforms.ColorJitter(0.3, 0.3, 0.2),
                        transforms.RandomRotation(5),
                        transforms.ToTensor(),
                        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
                    ])),
        batch_size=10,  # 每批样本个数
        shuffle=False,  # 是否打乱顺序
        num_workers=10,  # 读取的线程个数
    )

    for data in train_loader:
        break

总结

1.遇到的问题ImportError: DLL load failed,是环境版本的问题。看这里https://blog.csdn.net/qq_37791134/article/details/106246640

2.Pytorch还是很陌生哈,虽然看了几个速成介绍文章。我觉得需要把api搞清楚比较好,否则都不知道进入什么,出来什么,这样有何意义呢?

你可能感兴趣的:(街景字符编码识别)