電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>PyTorch教程14.6之對象檢測數(shù)據(jù)集

PyTorch教程14.6之對象檢測數(shù)據(jù)集

2513004 2023-06-05 | pdf | 0.32 MB | 次下載 | 免費

資料介紹

目標檢測領(lǐng)域沒有MNIST和Fashion-MNIST這樣的小型數(shù)據(jù)集。為了快速演示對象檢測模型，我們收集并標記了一個小型數(shù)據(jù)集。首先，我們從辦公室拍攝了免費香蕉的照片，并生成了 1000 張不同旋轉(zhuǎn)和大小的香蕉圖像。然后我們將每個香蕉圖像放置在一些背景圖像上的隨機位置。最后，我們?yōu)閳D像上的那些香蕉標記了邊界框。

14.6.1。下載數(shù)據(jù)集

帶有所有圖像和 csv 標簽文件的香蕉檢測數(shù)據(jù)集可以直接從互聯(lián)網(wǎng)上下載。

							%matplotlib inline
import os
import pandas as pd
import torch
import torchvision
from d2l import torch as d2l

#@save
d2l.DATA_HUB['banana-detection'] = (
  d2l.DATA_URL + 'banana-detection.zip',
  '5de26c8fce5ccdea9f91267273464dc968d20d72')

							 

							%matplotlib inline
import os
import pandas as pd
from mxnet import gluon, image, np, npx
from d2l import mxnet as d2l

npx.set_np()

#@save
d2l.DATA_HUB['banana-detection'] = (
  d2l.DATA_URL + 'banana-detection.zip',
  '5de26c8fce5ccdea9f91267273464dc968d20d72')

							 

14.6.2。讀取數(shù)據(jù)集

我們將在 read_data_bananas下面的函數(shù)中讀取香蕉檢測數(shù)據(jù)集。數(shù)據(jù)集包括一個 csv 文件，用于對象類標簽和左上角和右下角的地面實況邊界框坐標。

							#@save
def read_data_bananas(is_train=True):
  """Read the banana detection dataset images and labels."""
  data_dir = d2l.download_extract('banana-detection')
  csv_fname = os.path.join(data_dir, 'bananas_train' if is_train
               else 'bananas_val', 'label.csv')
  csv_data = pd.read_csv(csv_fname)
  csv_data = csv_data.set_index('img_name')
  images, targets = [], []
  for img_name, target in csv_data.iterrows():
    images.append(torchvision.io.read_image(
      os.path.join(data_dir, 'bananas_train' if is_train else
             'bananas_val', 'images', f'{img_name}')))
    # Here `target` contains (class, upper-left x, upper-left y,
    # lower-right x, lower-right y), where all the images have the same
    # banana class (index 0)
    targets.append(list(target))
  return images, torch.tensor(targets).unsqueeze(1) / 256

							 

							#@save
def read_data_bananas(is_train=True):
  """Read the banana detection dataset images and labels."""
  data_dir = d2l.download_extract('banana-detection')
  csv_fname = os.path.join(data_dir, 'bananas_train' if is_train
               else 'bananas_val', 'label.csv')
  csv_data = pd.read_csv(csv_fname)
  csv_data = csv_data.set_index('img_name')
  images, targets = [], []
  for img_name, target in csv_data.iterrows():
    images.append(image.imread(
      os.path.join(data_dir, 'bananas_train' if is_train else
             'bananas_val', 'images', f'{img_name}')))
    # Here `target` contains (class, upper-left x, upper-left y,
    # lower-right x, lower-right y), where all the images have the same
    # banana class (index 0)
    targets.append(list(target))
  return images, np.expand_dims(np.array(targets), 1) / 256

							 

通過使用read_data_bananas函數(shù)讀取圖像和標簽，下面的BananasDataset類將允許我們創(chuàng)建一個自定義Dataset實例來加載香蕉檢測數(shù)據(jù)集。

							#@save
class BananasDataset(torch.utils.data.Dataset):
  """A customized dataset to load the banana detection dataset."""
  def __init__(self, is_train):
    self.features, self.labels = read_data_bananas(is_train)
    print('read ' + str(len(self.features)) + (f' training examples' if
       is_train else f' validation examples'))

  def __getitem__(self, idx):
    return (self.features[idx].float(), self.labels[idx])

  def __len__(self):
    return len(self.features)

							 

							#@save
class BananasDataset(gluon.data.Dataset):
  """A customized dataset to load the banana detection dataset."""
  def __init__(self, is_train):
    self.features, self.labels = read_data_bananas(is_train)
    print('read ' + str(len(self.features)) + (f' training examples' if
       is_train else f' validation examples'))

  def __getitem__(self, idx):
    return (self.features[idx].astype('float32').transpose(2, 0, 1),
        self.labels[idx])

  def __len__(self):
    return len(self.features)

							 

最后，我們定義load_data_bananas函數(shù)為訓(xùn)練集和測試集返回兩個數(shù)據(jù)迭代器實例。對于測試數(shù)據(jù)集，不需要隨機讀取。

							#@save
def load_data_bananas(batch_size):
  """Load the banana detection dataset."""
  train_iter = torch.utils.data.DataLoader(BananasDataset(is_train=True),
                       batch_size, shuffle=True)
  val_iter = torch.utils.data.DataLoader(BananasDataset(is_train=False),
                      batch_size)
  return train_iter, val_iter

							 

							#@save
def load_data_bananas(batch_size):
  """Load the banana detection dataset."""
  train_iter = gluon.data.DataLoader(BananasDataset(is_train=True),
                    batch_size, shuffle=True)
  val_iter = gluon.data.DataLoader(BananasDataset(is_train=False),
                   batch_size)
  return train_iter, val_iter

							 

讓我們讀取一個 minibatch 并打印這個 minibatch 中圖像和標簽的形狀。圖像小批量的形狀（批量大小、通道數(shù)、高度、寬度）看起來很熟悉：它與我們之前的圖像分類任務(wù)相同。label minibatch的shape是(batch size,m, 5), 其中m是任何圖像在數(shù)據(jù)集中具有的最大可能數(shù)量的邊界框。

雖然 minibatch 的計算效率更高，但它要求所有圖像示例都包含相同數(shù)量的邊界框，以通過連接形成一個 minibatch。通常，圖像可能具有不同數(shù)量的邊界框；因此，圖像少于m 邊界框?qū)⒈环欠ㄟ吔缈蛱畛?，直?m到達了。然后每個邊界框的標簽用一個長度為5的數(shù)組表示，數(shù)組的第一個元素是邊界框中物體的類，其中-1表示填充的非法邊界框。數(shù)組的其余四個元素是 (x,y)-邊界框左上角和右下角的坐標值（范圍在0到1之間）。對于香蕉數(shù)據(jù)集，由于每張圖像上只有一個邊界框，我們有m=1.

							batch_size, edge_size = 32, 256
train_iter, _ = load_data_bananas(batch_size)
batch = next(iter(train_iter))
batch[0].shape, batch[1].shape

							 

							read 1000 training examples
read 100 validation examples

							(torch.Size([32, 3, 256, 256]), torch.Size([32, 1, 5]))

						

							batch_size, edge_size = 32, 256
train_iter, _ = load_data_bananas(batch_size)
batch = next(iter(train_iter))
batch[0].shape, batch[1].shape

							 

							read 1000 training examples
read 100 validation examples

							((32, 3, 256, 256), (32, 1, 5))

						

14.6.3。示范

讓我們演示十張帶有標記的真實邊界框的圖像。我們可以看到香蕉的旋轉(zhuǎn)、大小和位置在所有這些圖像中都不同。當(dāng)然，這只是一個簡單的人工數(shù)據(jù)集。實際上，真實世界的數(shù)據(jù)集通常要復(fù)雜得多。

							imgs = (batch[0][:10].permute(0, 2, 3, 1)) / 255
axes = d2l.show_images(imgs, 2, 5, scale=2)
for ax, label in zip(axes, batch[1][:10]):
  d2l.show_bboxes(ax, [label[0
						