【天池—街景字符编码识别】Task 2 数据读取与数据扩增

本文主要是介绍【天池—街景字符编码识别】Task 2 数据读取与数据扩增，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 简介

  本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。

2 学习目标

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

3 图像读取

  在Python中有很多库可以完成数据读取的操作，比较常见的有Pillow和OpenCV。

3.1 Pillow

  Pillow是Python图像处理函式库(Python Imaging Library，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。其官方文档是：https://pillow.readthedocs.io/en/stable/

3.1.1 安装

  如果安装了Anaconda，Pillow就已经可用了。否则，需要在命令行下通过pip安装：

$ pip install pillow

  注意：如果遇到Permission denied安装失败，请加上sudo重试。

  此外，Anaconda的安装见：Anaconda安装、环境的配置以及Jupyter和Spyder的打开

3.1.2 基本操作

读取图片：

from PIL import Image# 打开一个jpg图像文件，注意是当前路径:
im = Image.open('test.jpg')

更多操作可以见官方文档：https://pillow.readthedocs.io/en/stable/

3.2 OpenCV

OpenCV的安装见：64位系统下 python3.7安装OpenCV、OpenGL。64位系统的同学要特别其安装方式。
  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。
  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

4 数据扩增方法

4.1 数据扩增介绍

  数据扩增（Data Augmentation），在深度学习中非常重要，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，也可以提高泛化能力。

• 数据扩增为什么有用？
    增加训练集样本的数量。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。
  
• 有哪些数据扩增方法？
    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。

4.2 常见的数据扩增方法

  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
• transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图
• 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

4.3 常用的数据扩增库

4.3.1 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；

4.3.2 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；

4.3.3 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。

5 PyTorch读取数据（Dataset、DataLoder）

  在Pytorch中数据是通过Dataset进行封装，并通过DataLoder进行并行读取。所以我们只需要重载一下数据读取的逻辑就可以完成数据的读取。

import os, sys, glob, shutil, json
import cv2from PIL import Image
import numpy as npimport torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transformsclass SVHNDataset(Dataset):def __init__(self, img_path, img_label, transform=None):self.img_path = img_pathself.img_label = img_label if transform is not None:self.transform = transformelse:self.transform = Nonedef __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0lbl = 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)train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]data = SVHNDataset(train_path, train_label,transforms.Compose([# 缩放到固定尺寸transforms.Resize((64, 128)),# 随机颜色变换transforms.ColorJitter(0.2, 0.2, 0.2),# 加入随机旋转transforms.RandomRotation(5),# 将图片转换为pytorch 的tesntor# transforms.ToTensor(),# 对图像像素进行归一化# transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])]))

  接下来我们将在定义好的Dataset基础上构建DataLoder，你可以会问有了Dataset为什么还要有DataLoder？其实这两个是两个不同的概念，是为了实现不同的功能。

• Dataset：对数据集的封装，提供索引方式的对数据样本进行读取
• DataLoder：对Dataset进行封装，提供批量读取的迭代读取
  加入DataLoder后，数据读取代码改为如下：

import os, sys, glob, shutil, json
import cv2from PIL import Image
import numpy as npimport torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transformsclass SVHNDataset(Dataset):def __init__(self, img_path, img_label, transform=None):self.img_path = img_pathself.img_label = img_label if transform is not None:self.transform = transformelse:self.transform = Nonedef __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0lbl = 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)train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]# 对SVHNDataset进行封装
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

在加入DataLoder后，数据按照批次获取，每批次调用Dataset读取单个样本进行拼接。此时data的格式为：
torch.Size([10, 3, 64, 128]), torch.Size([10, 6])
前者为图像文件，为batchsize * chanel * height * width次序；后者为字符标签。

这篇关于【天池—街景字符编码识别】Task 2 数据读取与数据扩增的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---