Keras进行人民币面额识别（一）

本篇是数据的整理与分类

比赛链接

https://www.tinymind.cn/competitions/47?rron=banner
当我看到这个比赛的时候，热身赛已经结束了，不过也觉得自己不可能拿奖金，练习一下技术还是可以的。

下载下来训练集后，发现是九种面值的大集合，需要将他们分类，同时给了一个csv文件，里边放着对应图片的面值，这个时候就需要整理一下了。

原始训练集展示

给定的训练集文件如下图：

原始csv文件展示

给定的csv文件如下图：

文件整理结果

我们需要把文件整理成如下格式：

验证集可以从训练集中剪切部分出来，注意！注意！注意！是剪切不是复制，训练集中不能有验证集的图片，不然容易出现过拟合，而且得到的结果都是骗你的。
整理过程当然是用代码，结果如下：

流程图

当然类别不止这些，思路也不只一种，也都是我自己想的，下边写一下流程图：

完整代码

代码如下：
注释很清晰

import os,shutil

face_value_label = open('train_face_value_label.csv','r')

start_dir = 'H:/face_value_check/val_data_test/' #数据原始目录
target_dir = 'H:/face_value_check/val_data/'      #数据最终目录

dictionary = {'0.1':'A','0.2':'B','0.5':'C','1':'D','2':'E','5':'F','10':'G','50':'H','100':'I'}
#采用合理的名字给文件进行命名

lable_lists = face_value_label.readlines()
si = 0
if os.path.isdir(target_dir) == False:
    os.mkdir(target_dir)
    #如果没有目标目录，就创建一个目录

max_num = len(os.listdir(start_dir))
#获得初始文件夹中图片的数量

for li in lable_lists:
    li = li[:-1]
    name_label = li.split(',')
    if name_label[0] == 'name':
        continue #第一行数据是无效数据，不进行处理
    if os.path.isfile('{0}{1}'.format(start_dir,name_label[0])) == True:
        if os.path.isdir('{0}label_{1}'.format(target_dir,dictionary[name_label[1]])) == False:
            os.mkdir('{0}label_{1}'.format(target_dir,dictionary[name_label[1]]))
        shutil.copy('{0}{1}'.format(start_dir,name_label[0]),'{0}label_{1}/{2}'.format(target_dir,dictionary[name_label[1]],name_label[0]))
        #创建文件夹并移动文件
        si += 1 #记录次数
        progress = (si / max_num) * 100
        progress = round(progress,1)
        #progress = si / len(os.listdir('./val_data_test/'))
        print('成功复制{0},进度：{1}%'.format(name_label[0],progress))
        #打印复制进度

处理过程解析

csv文件处理：

首先将图片按面值来分一下类，也就是相同面值的放到一起，因为面值是有大小的，所以我直接按照面值来排序就行了，变成了下边这个样子：

这样我们整理起来就会非常方便。

使用字典更换名字解释：

dictionary = {'0.1':'A','0.2':'B','0.5':'C','1':'D','2':'E','5':'F','10':'G','50':'H','100':'I'}

这行代码需要解释一下，在程序里它的排序并不会和Excel里一样，它会先比较第一个数的大小，再比较第二个数的大小，比如当你使用面值来命名文件的时候，它的排序如下：

0.1,0.2,0.5,1,10,100,2,5,50

这样我们在处理的时候就会遇到一些麻烦，虽然也能解决，但是我感觉还是不太舒服，所以我将他们换成了ABCDE这样来比较，可以获得正确的顺序