eg:這裡的影象樣本已經分好類0-7共8類
為資料夾內所有的影象打上標籤
原始碼參考
import os
''' 為資料集生成對應的txt檔案
'''train_txt_path = './train.txt'
train_dir = './train/'
#valid_txt_path = './valid.txt'
#valid_dir = './valid/'
def gen_txt(txt_path, img_dir):
f = open(txt_path, 'w')
for root, s_dirs, _ in os.walk(img_dir, topdown=true): # 獲取 train檔案下各資料夾名稱
for sub_dir in s_dirs:
i_dir = os.path.join(root, sub_dir) # 獲取各類的資料夾 絕對路徑
img_list = os.listdir(i_dir) # 獲取類別資料夾下所有png的路徑
for i in range(len(img_list)):
if not img_list[i].endswith('bmp'): # 若不是png檔案，跳過
continue
label = img_list[i].split('_')[0]
#img_path = os.path.join(i_dir, img_list[i])
line = i_dir +'/'+label+' '+sub_dir+ '\n'
f.write(line)
f.close()
if __name__ == '__main__':
gen_txt(train_txt_path, train_dir)
#gen_txt(valid_txt_path, valid_dir)
3. 生成的txt檔案
第一列為影象的路徑，第二列為對應的標籤。
])此處，特別注意一點就是transforms處理的資料**是pil image的庫，pil image讀進來的資料是要和opencv讀進來的資料做區分的。
（1）compose方法是將多種變換組合在一起。上述對data_transforms進行了四種變換，前兩個是對pilimage進行的，resize到指定大小224，以及對原始影象進行隨機的水平翻轉；
（2）第三個transforms.totensor()將pilimage轉變為torch.floattensor的資料形式；而最後乙個normalize則是對tensor進行的。
（3）多種組合變換有一定的先後順序，處理pilimage的變換方法（大多數方法）都需要放在totensor方法之前，而處理tensor的方法（比如normalize方法）就要放在totensor方法之後。
2. 由前面的小例子可以看出，我們要做的資料增強是要放在 transforms.totensor()之前，對資料進行相應操作，具體操作要根據自己影象的特點，加高斯雜訊、平滑處理、旋轉、平移等等操作。
3. 為什麼transforms能增強樣本
自己的理解是，transforms中翻轉、旋轉、雜訊等等都是按照一定的概率隨機發生的，從而導致每次epoch讀進來的資料都是不一樣的，也就一定程度上防止了過擬合，因而稱之為樣本增強；從大數定理的角度來看，執行多次epoch，最終效果相當於增加了樣本數量。
這裡不再使用transforms來進行資料增強，而是直接線下來增加樣本數量，這樣做的好處是更加靈活，可以對樣本進行任何自己所需要的改變，來增加樣本數量。
通過高斯雜訊、模糊等操作來生成更多的影象，然後為所有的影象打標籤，就可以來訓練網路了。
SSD訓練自己的資料集（一） 製作VOC資料集
import os path 123 filelist os.listdir path 該資料夾下所有的檔案 包括資料夾 count 0 for file in filelist print file for file in filelist 遍歷所有檔案 olddir os.path.join p...
使用caffe製作自己的lmdb資料集
新鳥最近在一家半導體公司實習，接觸到的專案都是基於 caffe框架的深度學習方面的知識，前期對tensorflow比較熟，但是到了公司沒辦法啊！不會怎麼辦，只能硬著頭皮上啊！中途碰壁不少，寫這篇部落格只是想以後方便查閱資料，另外一方面是給同樣在深度學習裡面摸爬滾打的朋友乙個參考吧！公司提供的資料都是...
資料集製作
一 安裝labelme 1.pip install labelme 2.pip install pyqt5 3.pip install pillow 4.0.0 二 標註資料 1.使用labelme得到json標註檔案 不考慮中模糊的部分 分為pig和pig2標籤 考慮一些鏡頭角度問題 豬只有無跑丟...