溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
不懂keras 讀取多標簽圖像數據的方法？其實想解決這個問題也不難，下面讓小編帶著大家一起學習怎么去解決，希望大家閱讀完這篇文章后大所收獲。
我所接觸的多標簽數據，主要包括兩類：
1、一張圖片屬于多個標簽，比如，data:一件藍色的上衣圖片.jpg，label:藍色，上衣。其中label包括兩類標簽，label1第一類：上衣，褲子，外套。label2第二類，藍色，黑色，紅色。這樣兩個輸出label1，label2都是是分類，我們可以直接把label1和label2整合為一個label，直接編碼，比如[藍色，上衣]編碼為[011011]。這樣模型的輸出也只需要一個輸出。實現了多分類。
2、一張圖片屬于多個標簽，但是幾個標簽不全是分類。比如data：一張結婚現場的圖片.jpg,label:高興，3（表示高興程度）。這時label1是分類，label2時回歸。這種情況就需要多個標簽，模型需要多個輸出。【其實最好的例子，就是目標檢測，不但檢測什么物體（分類），還要檢測到物體的坐標（回歸）】
在這里我主要針對第二種情況加以說明：
keras的ImageDataGenerator.flow_from_directory 只能簡單的讀取單標簽數據。所以我自己寫了個data_generate，來生成bathsize多標簽數據
#此模塊主要用來讀取數據集，返回一個數據可迭代對象
#重點是，此模塊分批次的把圖像讀入內存的，而不是一次全讀入，有效的減少了內存溢出
import os
import cv2
import numpy as np
import keras
from random import shuffle
#目標圖像大小
image_size= (229, 229, 3)
#類別編碼
class_dict=dict(zip(['neg','pos','neu'],[0,1,2]))
#處理.txt文件,并加載圖片文件夾里的圖片名
#txt_path，txt文件路徑，data_path，圖片文件夾路徑
def read_txt(txt_path,data_path):
# 中間數組
labels_class = []
labels_score = []
with open(txt_path) as f:
lines_list = f.readlines()
for lines in lines_list:
line = lines.split(' ')
labels_class.append(line[0].rstrip(".jpg"))
labels_score.append(line[2])
labels_dict=dict(zip(labels_class,labels_score))
#處理圖片數據集
all_picture_name = os.listdir(data_path)
#打亂數據集
shuffle(all_picture_name)
all_picture_path=[os.path.join(data_path,one)for one in all_picture_name]
return all_picture_name,all_picture_path,labels_dict
class data_generate:
def __init__(self,all_piture_name,all_picture_path,labels_dict,batch_size):
self.index=0
self.all_picture_name=all_piture_name
self.all_picture_path=all_picture_path
self.labels_dict=labels_dict
self.batch_size = batch_size
def get_mini_batch(self):
while True:
batch_images=[]
batch_labels=[]
batch_class=[]
batch_score=[]
for i in range(self.batch_size):
if(self.index==len(self.all_picture_name)):
self.index=0
bgr_image = cv2.imread(self.all_picture_path[self.index])
if len(bgr_image.shape) == 2: # 若是灰度圖則轉為三通道
bgr_image = cv2.cvtColor(bgr_image, cv2.COLOR_GRAY2BGR)
rgb_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2RGB)
rgb_image=cv2.resize(rgb_image,(image_size[0], image_size[1]))
img = np.array(rgb_image)
img=keras.applications.inception_v3.preprocess_input(img)
batch_images.append(img)
#label=[]
label1=self.all_picture_name[self.index].rstrip(".jpg")
batch_class.append(keras.utils.to_categorical(class_dict[label1[:3]], 3))
batch_score.append(np.array(self.labels_dict[label1]))
#batch_labels.append(label)
self.index+=1
batch_images=np.array(batch_images)
batch_class = np.array(batch_class)
batch_score = np.array(batch_score)
#注意label的生成batch_class，一個單獨數組，batch_score一個單獨的數組
'''
注釋掉的這段代碼生成的label是錯誤的。
batch_images=[]
batch_labels=[]
for i in range(self.batch_size):
if(self.index==len(self.images)):
self.index=0
batch_images.append(self.images[self.index])
batch_labels.append(self.labels[self.index])
self.index+=1
batch_images=np.array(batch_images)
batch_labels=np.array(batch_labels)
yield batch_images,batch_labels
'''
yield batch_images,[batch_class,batch_score]接下來就是放入keras.fit_generate中了
history=model.fit_generator(generator=train_data.get_mini_batch(), steps_per_epoch=146, epochs=300, validation_data=test_data.get_mini_batch(), validation_steps=34, )
感謝你能夠認真閱讀完這篇文章，希望小編分享keras 讀取多標簽圖像數據的方法內容對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，遇到問題就找億速云，詳細的解決方法等著你來學習!
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
