基于VGG16的猫狗识别
这个项目主要是用来练手,基VGG16对猫狗分类,主要是熟悉下深度学习的流程步骤。
(一)项目分析
(1)使用VGG16作为网络骨架
(2)从文件夹目录中读取数据集,作为数据标签,猫狗图片需要放置在不同的文件夹中
(3)对单张图片进行预测,不用读取列表进行全部的预测
(二)预处理
需要把现有的数据做成一个数据集,本项目中使用不同文件夹的位置作为与数据标签,也就是猫或者狗的图片单独存放,以文件夹的位置作为区分猫狗的标准。
# 为图片生成标签
import os
train_txt_path = os.path.join("data", "catVSdog", "train.txt")
train_dir = os.path.join("data", "catVSdog", "train_data")
valid_txt_path = os.path.join("data", "catVSdog", "test.txt")
valid_dir = os.path.join("data", "catVSdog", "test_data")
def gen_txt(txt_path, img_dir):
f = open(txt_path, 'w')
for root, s_dirs, _ in os.walk(img_dir, topdown=True): # 获取 train文件下各文件夹名称
for sub_dir in s_dirs:
i_dir = os.path.join(root, sub_dir) # 获取各类的文件夹 绝对路径
img_list = os.listdir(i_dir) # 获取类别文件夹下所有png图片的路径
for i in range(len(img_list)):
if not img_list[i].endswith('jpg'): # 若不是png文件,跳过
continue
#label = (img_list[i].split('.')[0] == 'cat')? 0 : 1
label = img_list[i].split('.')[0]
# 将字符类别转为整型类型表示
if label == 'cat':
label = '0'
else:
label = '1'
img_path = os.path.join(i_dir, img_list[i])
line = img_path + ' ' + label + '\n'
f.write(line)
f.close()
if __name__ == '__main__':
gen_txt(train_txt_path, train_dir)
gen_txt(valid_txt_path, valid_dir)
这部分代码需要在训练之前运行,运行改代码后得到test.txt和train.txt标签文件。
文件中每行代表一张图片,前边代表路径,后边0和1代表所属类,0为猫,1为狗。
(三)
版权声明
本文仅代表作者观点。
本文系作者发表,未经许可,不得转载。
发表评论:
◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。