Pytorch 实现数据集自定义读取
作者:_寒潭雁影 时间:2023-11-18 23:58:40
以读取VOC2012语义分割数据集为例,具体见代码注释:
VocDataset.py
from PIL import Image
import torch
import torch.utils.data as data
import numpy as np
import os
import torchvision
import torchvision.transforms as transforms
import time
#VOC数据集分类对应颜色标签
VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],
[0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],
[64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],
[64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],
[0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],
[0, 64, 128]]
#颜色标签空间转到序号标签空间,就他妈这里浪费巨量的时间,这里还 * 有问题
def voc_label_indices(colormap, colormap2label):
"""Assign label indices for Pascal VOC2012 Dataset."""
idx = ((colormap[:, :, 2] * 256 + colormap[ :, :,1]) * 256+ colormap[:, :,0])
#out = np.empty(idx.shape, dtype = np.int64)
out = colormap2label[idx]
out=out.astype(np.int64)#数据类型转换
end = time.time()
return out
class MyDataset(data.Dataset):#创建自定义的数据读取类
def __init__(self, root, is_train, crop_size=(320,480)):
self.rgb_mean =(0.485, 0.456, 0.406)
self.rgb_std = (0.229, 0.224, 0.225)
self.root=root
self.crop_size=crop_size
images = []#创建空列表存文件名称
txt_fname = '%s/ImageSets/Segmentation/%s' % (root, 'train.txt' if is_train else 'val.txt')
with open(txt_fname, 'r') as f:
self.images = f.read().split()
#数据名称整理
self.files = []
for name in self.images:
img_file = os.path.join(self.root, "JPEGImages/%s.jpg" % name)
label_file = os.path.join(self.root, "SegmentationClass/%s.png" % name)
self.files.append({
"img": img_file,
"label": label_file,
"name": name
})
self.colormap2label = np.zeros(256**3)
#整个循环的意思就是将颜色标签映射为单通道的数组索引
for i, cm in enumerate(VOC_COLORMAP):
self.colormap2label[(cm[2] * 256 + cm[1]) * 256 + cm[0]] = i
#按照索引读取每个元素的具体内容
def __getitem__(self, index):
datafiles = self.files[index]
name = datafiles["name"]
image = Image.open(datafiles["img"])
label = Image.open(datafiles["label"]).convert('RGB')#打开的是PNG格式的图片要转到rgb的格式下,不然结果会比较要命
#以图像中心为中心截取固定大小图像,小于固定大小的图像则自动填0
imgCenterCrop = transforms.Compose([
transforms.CenterCrop(self.crop_size),
transforms.ToTensor(),
transforms.Normalize(self.rgb_mean, self.rgb_std),#图像数据正则化
])
labelCenterCrop = transforms.CenterCrop(self.crop_size)
cropImage=imgCenterCrop(image)
croplabel=labelCenterCrop(label)
croplabel=torch.from_numpy(np.array(croplabel)).long()#把标签数据类型转为torch
#将颜色标签图转为序号标签图
mylabel=voc_label_indices(croplabel, self.colormap2label)
return cropImage,mylabel
#返回图像数据长度
def __len__(self):
return len(self.files)
Train.py
import matplotlib.pyplot as plt
import torch.utils.data as data
import torchvision.transforms as transforms
import numpy as np
from PIL import Image
from VocDataset import MyDataset
#VOC数据集分类对应颜色标签
VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],
[0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],
[64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],
[64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],
[0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],
[0, 64, 128]]
root='../data/VOCdevkit/VOC2012'
train_data=MyDataset(root,True)
trainloader = data.DataLoader(train_data, 4)
#从数据集中拿出一个批次的数据
for i, data in enumerate(trainloader):
getimgs, labels= data
img = transforms.ToPILImage()(getimgs[0])
labels = labels.numpy()#tensor转numpy
labels=labels[0]#获得批次标签集中的一张标签图像
labels = labels.transpose((1,0))#数组维度切换,将第1维换到第0维,第0维换到第1维
##将单通道索引标签图片映射回颜色标签图片
newIm= Image.new('RGB', (480, 320))#创建一张与标签大小相同的图片,用以显示标签所对应的颜色
for i in range(0, 480):
for j in range(0, 320):
sele=labels[i][j]#取得坐标点对应像素的值
newIm.putpixel((i, j), (int(VOC_COLORMAP[sele][0]), int(VOC_COLORMAP[sele][1]), int(VOC_COLORMAP[sele][2])))
#显示图像和标签
plt.figure("image")
ax1 = plt.subplot(1,2,1)
ax2 = plt.subplot(1,2,2)
plt.sca(ax1)
plt.imshow(img)
plt.sca(ax2)
plt.imshow(newIm)
plt.show()
来源:https://blog.csdn.net/weixinhum/article/details/86232734
标签:Pytorch,数据集,自定义,读取
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python常用时间库time、datetime与时间格式之间的转换教程
2023-05-03 01:24:37
![](https://img.aspxhome.com/file/2023/8/98958_0s.png)
MySQL数据库开发的36条原则(小结)
2024-01-23 23:34:48
![](https://img.aspxhome.com/file/2023/7/100337_0s.jpg)
JS表单验证插件之数据与逻辑分离操作实例分析【策略模式】
2024-04-25 13:14:08
Python实现的序列化和反序列化二叉树算法示例
2021-06-11 07:14:23
js中关于Blob对象的介绍与使用
2024-04-18 09:49:00
ASP对FoxPro自由表(DBF文件)的操作
2010-05-27 12:20:00
CSS样式设计技巧十则
2008-06-04 12:18:00
kali 2021新手安装教程与配置图文详解
2022-04-18 01:32:36
![](https://img.aspxhome.com/file/2023/1/99361_0s.png)
python实现画桃心表白
2021-05-14 16:27:00
![](https://img.aspxhome.com/file/2023/8/104998_0s.png)
python requests抓取one推送文字和图片代码实例
2023-10-26 23:11:16
将备份的SQLServer数据库转换为SQLite数据库操作方法
2024-01-23 18:52:52
![](https://img.aspxhome.com/file/2023/7/116277_0s.jpg)
python密码学对称和非对称密码教程
2023-06-19 15:56:59
![](https://img.aspxhome.com/file/2023/5/67785_0s.jpg)
python求解三角形第三边长实例
2021-08-24 06:16:28
![](https://img.aspxhome.com/file/2023/8/95398_0s.png)
关于DOM事件模型的两件事
2007-11-21 19:32:00
![](https://img.aspxhome.com/file/uploadpic/200711/21/20071121193935291.png)
经验丰富程序员才知道的8种高级Python技巧
2022-12-27 03:05:57
![](https://img.aspxhome.com/file/2023/3/121053_0s.jpg)
一个NumericStepper组件
2010-01-22 15:46:00
![](https://img.aspxhome.com/file/UploadPic/20101/22/num22-95s.png)
Python零基础入门学习之输入与输出
2023-07-22 09:50:12
![](https://img.aspxhome.com/file/2023/4/121924_0s.png)
Python实现爬虫设置代理IP和伪装成浏览器的方法分享
2021-05-26 19:42:29
修改yii2.0用户登录使用的user表为其它的表实现方法(推荐)
2024-06-05 09:44:31
javascript读取xml
2024-04-23 09:30:13