深度學習訓練數據打標籤過程

深度學習訓練數據打標籤過程

爲了獲取大量的圖片訓練數據，在採集數據的過程當中經常使用視頻的方式採集數據，但對於深度學習，訓練的過程須要不少的有有標籤的數據，這篇文章主要是解決視頻文件轉換成圖片文件，並加標籤，最後把數據存儲到pkl文件中，爲後續深度學習提供數據。

1. video to image

• 這個應用，主要是把視頻切分紅圖片，並保存到本地，能夠自定義切分的時間間隔；
• 在深度學習中，因爲場景的須要，有時候須要本身動手去作圖片的標註，可是咱們在採起數據的時候，多把數據保存成視頻的形式，對於視頻的信息很差進行標註。對於視頻轉換成圖片，能夠經過播放視頻，而後經過截圖的方式把所須要的圖片保存到本地，可是這樣子的話，工做效率很很低。因此，爲解決這個麻煩的過程，我先把視頻的數據一幀一幀的讀取進來，並生成成圖片保存到本地，節省了大量的時間。

具體代碼實現過程

# 導入所須要的庫
import cv2
import numpy as np

# 定義保存圖片函數
# image:要保存的圖片名字
# addr；圖片地址與相片名字的前部分
# num: 相片，名字的後綴。int 類型
def save_image(image,addr,num):
    address = addr + str(num)+ '.jpg'
    cv2.imwrite(address,image)

# 讀取視頻文件
videoCapture = cv2.VideoCapture("./input/chen6.30.mp4")
# 經過攝像頭的方式
# videoCapture=cv2.VideoCapture(1)

#讀幀
success, frame = videoCapture.read()
i = 0
while success :
    i = i + 1
    save_image(frame,'./output/img_',i)
    if success:
        print('save image:',i)
    success, frame = videoCapture.read()

save image: 1
save image: 2
save image: 3
save image: 4
save image: 5
save image: 6......

2. 對於生成的圖片添加label，並保存成pkl格式

• 在這裏只選擇兩張圖片進行舉例。

import numpy as np
from PIL import Image
import pickle
import matplotlib.pyplot as plt
%matplotlib inline

2.1 讀取圖片

img_640 = Image.open('./output/img_640.jpg')
img_910 = Image.open('./output/img_910.jpg')

# 顯示圖片
plt.imshow(img_640)

<matplotlib.image.AxesImage at 0x15ece1330b8>

2.2 把圖片數據轉換成numpy.ndarray

img_640_n = np.array(img_640)
img_910_n = np.array(img_910)

type(img_640_n)

numpy.ndarray

2.3 對數據進行保存

# 建立一個空list，用於存儲圖像數據由於是兩張圖片說以建立2個(480, 640, 3)的矩陣。
image_data = []

# 把數據存放進來
image_data.append(img_640_n)
image_data.append(imgh_910_n)

# 添加標籤，假設這兩張圖片是兩個類別，把他們標註爲類型1和2
image_data_label = np.empty(2)

image_data_label[0] = 1
image_data_label[1] = 2

# 把標籤的類型轉換成int類型,爲了方便出來也把data轉換成numpy.ndarray類型
image_data = np.array(image_data)
image_data_label=image_data_label.astype(np.int)
image_data_label

array([1, 2])

plt.imshow(image_data[1])

<matplotlib.image.AxesImage at 0x15ece1845f8>

2.4 把數據保存到pkl文件中

# 把數據合併成一個元組進行保存
train_data = (image_data,image_data_label)

# 把數據寫入pkl文件中
write_file=open('./input/train_data.pkl','wb')  
pickle.dump(train_data,write_file)  
write_file.close()

3.讀取圖片標籤和數據

# 從pkl文件中讀取圖片數據和標籤
read_file=open('./input/train_data.pkl','rb')  

(train_data,lab_data)=pickle.load(read_file)
read_file.close()

# 查看讀取出來的數據
train_data.shape

(2, 480, 640, 3)

lab_data

array([1, 2])

plt.imshow(train_data[0])

<matplotlib.image.AxesImage at 0x15ece1daa20>

到這裏就完成了把圖片加標籤後存儲與讀取，爲後續神經網絡數據的輸入作準備，當咱們須要數據的時候，把pkl文件加載進來就能夠。

github地址