Pytorch 实现数据集自定义读取

Python  /  管理员 发布于 5年前   606

以读取VOC2012语义分割数据集为例，具体见代码注释：

VocDataset.py

from PIL import Imageimport torchimport torch.utils.data as dataimport numpy as npimport osimport torchvisionimport torchvision.transforms as transformsimport time#VOC数据集分类对应颜色标签VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],        [0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],        [64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],        [64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],        [0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],        [0, 64, 128]]#颜色标签空间转到序号标签空间，就他妈这里浪费巨量的时间,这里还他妈的有问题def voc_label_indices(colormap, colormap2label):  """Assign label indices for Pascal VOC2012 Dataset."""  idx = ((colormap[:, :, 2] * 256 + colormap[ :, :,1]) * 256+ colormap[:, :,0])  #out = np.empty(idx.shape, dtype = np.int64)   out = colormap2label[idx]  out=out.astype(np.int64)#数据类型转换  end = time.time()  return outclass MyDataset(data.Dataset):#创建自定义的数据读取类  def __init__(self, root, is_train, crop_size=(320,480)):    self.rgb_mean =(0.485, 0.456, 0.406)    self.rgb_std = (0.229, 0.224, 0.225)    self.root=root    self.crop_size=crop_size    images = []#创建空列表存文件名称    txt_fname = '%s/ImageSets/Segmentation/%s' % (root, 'train.txt' if is_train else 'val.txt')    with open(txt_fname, 'r') as f:      self.images = f.read().split()    #数据名称整理    self.files = []    for name in self.images:      img_file = os.path.join(self.root, "JPEGImages/%s.jpg" % name)      label_file = os.path.join(self.root, "SegmentationClass/%s.png" % name)      self.files.append({        "img": img_file,        "label": label_file,        "name": name      })    self.colormap2label = np.zeros(256**3)    #整个循环的意思就是将颜色标签映射为单通道的数组索引    for i, cm in enumerate(VOC_COLORMAP):      self.colormap2label[(cm[2] * 256 + cm[1]) * 256 + cm[0]] = i  #按照索引读取每个元素的具体内容  def __getitem__(self, index):        datafiles = self.files[index]    name = datafiles["name"]    image = Image.open(datafiles["img"])    label = Image.open(datafiles["label"]).convert('RGB')#打开的是PNG格式的图片要转到rgb的格式下，不然结果会比较要命    #以图像中心为中心截取固定大小图像，小于固定大小的图像则自动填0    imgCenterCrop = transforms.Compose([       transforms.CenterCrop(self.crop_size),       transforms.ToTensor(),       transforms.Normalize(self.rgb_mean, self.rgb_std),#图像数据正则化     ])    labelCenterCrop = transforms.CenterCrop(self.crop_size)    cropImage=imgCenterCrop(image)    croplabel=labelCenterCrop(label)    croplabel=torch.from_numpy(np.array(croplabel)).long()#把标签数据类型转为torch        #将颜色标签图转为序号标签图    mylabel=voc_label_indices(croplabel, self.colormap2label)        return cropImage,mylabel  #返回图像数据长度  def __len__(self):    return len(self.files)

Train.py

import matplotlib.pyplot as pltimport torch.utils.data as dataimport torchvision.transforms as transformsimport numpy as npfrom PIL import Imagefrom VocDataset import MyDataset#VOC数据集分类对应颜色标签VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],        [0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],        [64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],        [64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],        [0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],        [0, 64, 128]]root='../data/VOCdevkit/VOC2012'train_data=MyDataset(root,True)trainloader = data.DataLoader(train_data, 4)#从数据集中拿出一个批次的数据for i, data in enumerate(trainloader):  getimgs, labels= data  img = transforms.ToPILImage()(getimgs[0])  labels = labels.numpy()#tensor转numpy  labels=labels[0]#获得批次标签集中的一张标签图像  labels = labels.transpose((1,0))#数组维度切换，将第1维换到第0维，第0维换到第1维  ##将单通道索引标签图片映射回颜色标签图片  newIm= Image.new('RGB', (480, 320))#创建一张与标签大小相同的图片，用以显示标签所对应的颜色  for i in range(0, 480):    for j in range(0, 320):      sele=labels[i][j]#取得坐标点对应像素的值      newIm.putpixel((i, j), (int(VOC_COLORMAP[sele][0]), int(VOC_COLORMAP[sele][1]), int(VOC_COLORMAP[sele][2])))  #显示图像和标签  plt.figure("image")  ax1 = plt.subplot(1,2,1)  ax2 = plt.subplot(1,2,2)  plt.sca(ax1)  plt.imshow(img)  plt.sca(ax2)  plt.imshow(newIm)  plt.show()

以上这篇Pytorch 实现数据集自定义读取就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。