街景字符編碼識別-數(shù)據(jù)讀取與數(shù)據(jù)擴(kuò)增

街景字符識別比賽所用的數(shù)據(jù)集包括圖像和JSON標(biāo)注。訓(xùn)練集數(shù)據(jù)包括3W張照片甲馋,驗證集數(shù)據(jù)包括1W張照片慈迈。數(shù)據(jù)的標(biāo)注使用JSON格式,并使用文件名進(jìn)行索引戳吝。對于賽題和數(shù)據(jù)集的更多信息浩销,可參考街景字符編碼識別-賽題解析

下面我們將構(gòu)建讀取比賽的數(shù)據(jù)集听哭,首先生成數(shù)據(jù)名列表的csv文件以方便后面dataloader處理:

import os
import csv
DirList = os.listdir(ImgPath)
## write data list
with open(outPath+'train.csv', 'w', newline='') as csvfile:
    writer  = csv.writer(csvfile)
    for row in DirList:
        writer.writerow([row])

讀入圖像數(shù)據(jù)和JSON數(shù)據(jù):

## 讀入圖像
from PIL import Image
im = Image.open(mainPath+'mchar_train/mchar_train/000000.png')
## 讀入JSON
## 讀入后為一個字典對象慢洋,key為圖像名,value為對應(yīng)標(biāo)簽
import json
import numpy as np
with open(json_trainDir, 'r') as f:
    data = json.load(f)
print(data['000000.png'])
print(data['000000.png']['label'])

輸出

{'height': [219, 219],
'label': [1, 9],
'left': [246, 323],
'top': [77, 81],
'width': [81, 96]}
[1, 9]

讀入數(shù)據(jù)后陆盘,在載入網(wǎng)絡(luò)前為了增加訓(xùn)練集數(shù)據(jù)數(shù)量和類型普筹,我們要進(jìn)行數(shù)據(jù)增廣。

數(shù)據(jù)增廣包括幾何變換類如平移隘马,旋轉(zhuǎn)太防,翻轉(zhuǎn),縮放酸员;圖像色彩分布改變?nèi)缰狈綀D均衡蜒车,亮度色度調(diào)整讳嘱。也有一些針對特定任務(wù)的如加噪等。此處詳細(xì)可參考數(shù)據(jù)增廣之詳細(xì)理解

對于街景字符識別任務(wù)酿愧,可利用torchvision很方便的進(jìn)行數(shù)據(jù)增廣沥潭。關(guān)于torchvision中transforms的使用,可參考pytorch中transform常用的幾個方法

我們將賽題抽象為一個定長字符識別問題嬉挡,在賽題數(shù)據(jù)集中大部分圖像中字符個數(shù)為2-4個钝鸽,最多的字符個數(shù)為6個。因此將問題抽象為6個字符的識別問題棘伴,字符abc填充為abcXXX寞埠,X取"10",“0”~ "9"對于標(biāo)簽0~9焊夸。

import numpy as np
import os
import csv
import json
from PIL import Image
from torch.utils.data import Dataset, DataLoader
import torchvision.transforms as transforms

class TrainDataLoader(Dataset):
    def __init__(self, root, csvPath, json_Dir):
        data = []
        self.root = root
        with open(csvPath, 'r') as csvfile:
            csv_reader = csv.reader(csvfile)
            for row in csv_reader:  
                data.append(row[0])
        with open(json_Dir, 'r') as f:
            info = json.load(f)
        self.dataList = data
        self.InfoDict = info
        self.num = len(self.dataList)
        
    def __len__(self):
        return self.num

    def ImgProcess(self, img):
        # ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
        # RandomRotation(degrees, resample=False, expand=False, center=None) 在(-degrees,+degrees)之間隨機旋轉(zhuǎn)
        # transforms.ToTensor, 將PIL Image或者 ndarray 轉(zhuǎn)換為tensor仁连,并且歸一化至[0-1]
        transform = transforms.Compose([transforms.Resize((64, 128)),
                                        transforms.ColorJitter(0.3, 0.3, 0.2), 
                                        transforms.RandomRotation(30),
                                        transforms.ToTensor()])
        imTensor = transform(img) # H,W,C,N
        return imTensor

    def __getitem__(self, idx):
        # print('data path: ', self.root+self.dataList[idx])
        imgName = self.dataList[idx]
        img = Image.open(self.root+imgName) 
        imgInfo = self.InfoDict[imgName]
        imgTensor = self.ImgProcess(img)
        label = imgInfo['label']
        label += [10]*(6-len(label)) ## 標(biāo)簽字符填充  
        sample = {'image':imgTensor, 'label':label}
        return sample

定義好DataLoader逐batch載入數(shù)據(jù)

import matplotlib.pyplot as plt

DataRootPath = 'dir-to-your-data'
trainImgPath = dataPath+'mchar_train/mchar_train/'
ValImgPath = dataPath+'mchar_val/mchar_val/'
trainLabelPath = dataPath+'mchar_train.json'
ValLabelPath = dataPath+'mchar_val.json'

BATCH_SIZE = 1

train_dataset = TrainDataLoader(trainImgPath , DataRootPath+'mchar_train/train.csv', trainLabelPath )
train_num = len(train_dataset)
train_loader = DataLoader(dataset = train_dataset, batch_size = BATCH_SIZE, shuffle = True)

for step, sample in enumerate(train_loader):
    if(step==10): break #輸出10個樣本觀察
    imgData = sample['image']
    label = sample['label']
    print('label:', label) 
    print('img size: ',imgData.size())
    imgNp = imgData.squeeze_(0).numpy().transpose(1,2,0)
    plt.imshow(imgNp)
    plt.show()

以上,我們就完成了數(shù)據(jù)的讀取和增廣阱穗,下一步是選取合適的baseline進(jìn)行訓(xùn)練饭冬。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市揪阶,隨后出現(xiàn)的幾起案子昌抠,更是在濱河造成了極大的恐慌,老刑警劉巖鲁僚,帶你破解...
    沈念sama閱讀 218,607評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件炊苫,死亡現(xiàn)場離奇詭異,居然都是意外死亡冰沙,警方通過查閱死者的電腦和手機侨艾,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,239評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來拓挥,“玉大人唠梨,你說我怎么就攤上這事〗钠。” “怎么了当叭?”我有些...
    開封第一講書人閱讀 164,960評論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長盖灸。 經(jīng)常有香客問我蚁鳖,道長,這世上最難降的妖魔是什么赁炎? 我笑而不...
    開封第一講書人閱讀 58,750評論 1 294
  • 正文 為了忘掉前任才睹,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘琅攘。我一直安慰自己,他們只是感情好松邪,可當(dāng)我...
    茶點故事閱讀 67,764評論 6 392
  • 文/花漫 我一把揭開白布坞琴。 她就那樣靜靜地躺著,像睡著了一般逗抑。 火紅的嫁衣襯著肌膚如雪剧辐。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,604評論 1 305
  • 那天邮府,我揣著相機與錄音荧关,去河邊找鬼。 笑死褂傀,一個胖子當(dāng)著我的面吹牛忍啤,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播仙辟,決...
    沈念sama閱讀 40,347評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼同波,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了叠国?” 一聲冷哼從身側(cè)響起未檩,我...
    開封第一講書人閱讀 39,253評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎粟焊,沒想到半個月后冤狡,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,702評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡项棠,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,893評論 3 336
  • 正文 我和宋清朗相戀三年悲雳,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片沾乘。...
    茶點故事閱讀 40,015評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡怜奖,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出翅阵,到底是詐尸還是另有隱情歪玲,我是刑警寧澤,帶...
    沈念sama閱讀 35,734評論 5 346
  • 正文 年R本政府宣布掷匠,位于F島的核電站滥崩,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏讹语。R本人自食惡果不足惜钙皮,卻給世界環(huán)境...
    茶點故事閱讀 41,352評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧短条,春花似錦导匣、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,934評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至可都,卻和暖如春缓待,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背渠牲。 一陣腳步聲響...
    開封第一講書人閱讀 33,052評論 1 270
  • 我被黑心中介騙來泰國打工旋炒, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人签杈。 一個月前我還...
    沈念sama閱讀 48,216評論 3 371
  • 正文 我出身青樓瘫镇,卻偏偏與公主長得像,于是被迫代替她去往敵國和親芹壕。 傳聞我的和親對象是個殘疾皇子汇四,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,969評論 2 355