keras实战|图像数据预处理人工智能|神经网络|深度学习

文章

- - 1.下载数据集
  - 2.数据集划分
  - 3.数据预处理代码

1.下载数据集
首先我们需要先到网上下载猫狗数据集：

猫狗分类数据集下载地址：https://pan.baidu.com/s/1i4SKqWH 密码：d8mt

2.数据集划分
刚开始下载的数据train和test都是猫和狗混合的图片，需要修改一下重新划分一下train和test中的猫和狗分别划分出来。文件结构如下：

|_image |_train |_dog |_cat |_test |_dog |_cat

由于训练时长的问题，这里只用到了2000张图片进行训练，1000图片进行验证。可以自行决定训练和测试数据集的大小。
3.数据预处理代码
代码运行平台为jupyter-notebook，文章中的代码块，也是按照jupyter-notebook中的划分顺序进行书写的，运行文章代码，直接分单元粘入到jupyter-notebook即可。

from keras.preprocessing.image import ImageDataGenerator,array_to_img,img_to_array,load_img

rotation_range是一个0~180的度数，用来指定随机选择图片的角度
width_shift和height_shift用来指定水平和竖直方向随机移动的程度，这是两个0~1之间的比
rescale值将在执行其他处理前乘到整个图像上，我们的图像在RGB通道都是0~255的整数，这样的操作可能使图像的值过高或过低，所以我们将这个值定为0~1之间的数
shear_range是用来进行剪切变换的程度，参考剪切变换
zoom_range用来进行随机的放大
horizontal_flip随机的对图片进行水平翻转，这个参数适用于水平翻转不影响图片语义的时候
fill_mode用来指定当需要进行像素填充，比如旋转、水平和竖直位移时，如何填充新出现的像素

datagen = ImageDataGenerator( rotation_range=40,# 随机旋转角度 width_shift_range=0.2,# 随机水平平移 height_shift_range=0.2, # 随机竖直平移 rescale=1./255,# 数值归一化 shear_range=0.2,# 随机裁剪 zoom_range=0.2,# 随机放大 horizontal_flip=True,# 水平翻转 fill_mode="nearest"# 填充方式 )

这里我们以一张图片先来演示数据处理的效果：

# 载入图片 img = load_img("./image/train/cat/cat.1.jpg") # 将图片转化为array数据格式 x = img_to_array(img) # (280, 300, 3) = (H,W,channels) print(x.shape) # 给图片增加一个维度加这个维度主要是因为训练的时候需要一个四维的图片 x = x.reshape((1,)+x.shape) # (1, 280, 300, 3) = （batch_size,H,W,channels） print(x.shape)

i = 0 # 生成21张图片 # flow随机生成图片 save_prefix为新生成名字的前缀 for batch in datagen.flow(x,batch_size=1,save_to_dir='temp',save_prefix="cat",save_format="jpeg"): # 执行20次 i += 1 if i>20: break

【keras实战|图像数据预处理】测试的图片：