圖像識別:導入數據

克隆 Git 存儲庫

1

2

3

4

$ git clone https://github.com/ScrapCodes/image-recognition-tensorflow.git

$ cd image-recognition-tensorflow

$ python

>>>

導入 TensorFlow、Keras 和其他助手庫

我使用 TensorFlow 和 Keras 運行機器學習，使用 Pillow Python 庫進行圖像處理。

通過使用 pip，可以如下所示將這些項安裝在 macOS 上：

1

sudo pip install tensorflow matplotlib pillow

注意：是否需要使用 sudo 取決於如何在系統上安裝 Python 和 pip。配置了虛擬環境的系統可能不需要 sudo。

導入 Python 庫。

1

2

3

4

5

6

7

8

9

10

11

12

13

# TensorFlow and tf.keras

import tensorflow as tf

from tensorflow import keras

 

# Helper libraries

import numpy as np

import matplotlib.pyplot as plt

import glob, os

import re

 

# Pillow

import PIL

from PIL import Image

加載數據

用於預處理輸入圖像的 Python 函數。要將圖像轉換為 numpy 數組，它們必須具有相同的尺寸：

1

2

3

4

5

6

7

8

9

10

11

12

13

# Use Pillow library to convert an input jpeg to a 8 bit grey scale image array for processing.

def jpeg_to_8_bit_greyscale(path, maxsize):

        img = Image.open(path).convert('L')   # convert image to 8-bit grayscale

        # Make aspect ratio as 1:1, by applying image crop.

    # Please note, croping works for this data set, but in general one

    # needs to locate the subject and then crop or scale accordingly.

        WIDTH, HEIGHT = img.size

        if WIDTH != HEIGHT:

                m_min_d = min(WIDTH, HEIGHT)

                img = img.crop((0, 0, m_min_d, m_min_d))

        # Scale the image to the requested maxsize by Anti-alias sampling.

        img.thumbnail(maxsize, PIL.Image.ANTIALIAS)

        return np.asarray(img)

用於將數據集從圖像加載到 numpy 數組中的 Python 函數：

1

2

3

4

5

6

7

8

9

10

11

12

13

def load_image_dataset(path_dir, maxsize):

        images = []

        labels = []

        os.chdir(path_dir)

        for file in glob.glob("*.jpg"):

                img = jpeg_to_8_bit_greyscale(file, maxsize)

                if re.match('chihuahua.*', file):

                        images.append(img)

                        labels.append(0)

                elif re.match('muffin.*', file):

                        images.append(img)

                        labels.append(1)

        return (np.asarray(images), np.asarray(labels))

我們應該將圖像縮放到比實際圖像解析度小的標準尺寸。這些圖像超過了 170×170，因此我們將它們全部縮小到 100×100 以進一步處理：

要加載數據，可執行以下函數並加載訓練和測試數據集：

1

2

3

(train_images, train_labels) = load_image_dataset('/Users/yourself/image-recognition-tensorflow/chihuahua-muffin', maxsize)

 

(test_images, test_labels) = load_image_dataset('/Users/yourself/image-recognition-tensorflow/chihuahua-muffin/test_set', maxsize)

最後，我們定義數據集的類名。由於此數據只有兩個類（圖像可以是 Chihuahua 或 Muffin），因此我們具有的 class_names 如下所示：

1

class_names = ['chihuahua', 'muffin']