使用包含路径的选项卡对图像进行分类

Question

我希望使用路径包含在表格中的图像来训练网络。

我在 TensorFlow 网站上搜索过，我找到了以下说明：

train_data_gen = train_image_generator.flow_from_directory(batch_size=batch_size,
                                                           directory=train_dir,
                                                           shuffle=True,
                                                           target_size=(IMG_HEIGHT, IMG_WIDTH),
                                                           class_mode='binary')

问题是我的测试和验证数据没有单独的文件夹。 一个表包含测试图像的路径，另一个包含验证图像的路径。

但是，我的图像根据它们的类位于不同的文件夹中。 如何加载路径在一个表中的这些 PNG 测试图像，并与路径在另一个表中的其他图像进行验证？

Answer 1

您可以将路径列表传递给tf.data.Dataset.list_files() ，然后将它们传递给map()函数以读取这些图像并执行您想做的所有预处理。 您可以在此处找到有关tf.data.Dataset和支持的方法的更多信息。

这是一个示例，其中我在 3 个不同的文件夹中有鸟和狗的图像。 我将这些路径传递给tf.data.Dataset.list_files()并且在map函数中我正在做crop_central来裁剪图像并稍后显示它们。 添加了打印语句来显示文件的路径。

代码 -

%tensorflow_version 2.x
import tensorflow as tf
from tensorflow.keras.preprocessing.image import load_img
from tensorflow.keras.preprocessing.image import img_to_array, array_to_img
from matplotlib import pyplot as plt
import numpy as np

file_path = ['/content/bird.jpg','/content/sample_data/dog.jpg','/usr/bird1.jpg']

def load_file_and_process(path):
    print("Loading image from path :",bytes.decode(path.numpy()))
    image = load_img(bytes.decode(path.numpy()), target_size=(224, 224))
    image = img_to_array(image)
    image = tf.image.central_crop(image, np.random.uniform(0.50, 1.00))
    return image

train_dataset = tf.data.Dataset.list_files(file_path)

train_dataset = train_dataset.map(lambda x: tf.py_function(load_file_and_process, [x], [tf.float32]))

for f in train_dataset:
  for l in f:
    image = np.array(array_to_img(l))
    print("Crop Image is of shape : ", image.shape)
    plt.figure()
    plt.imshow(image)

输出 -

Loading image from path : /content/bird.jpg
Crop Image is of shape :  (124, 124, 3)
Loading image from path : /content/sample_data/dog.jpg
Crop Image is of shape :  (220, 220, 3)
Loading image from path : /usr/bird1.jpg
Crop Image is of shape :  (158, 158, 3)

希望这能回答你的问题。 快乐学习。