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。
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。
以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？