使用Python读取数据集的图片路径,划分训练集与验证集并保存到txt文件中

您所在的位置:网站首页 python如何读取图片文件 使用Python读取数据集的图片路径,划分训练集与验证集并保存到txt文件中

使用Python读取数据集的图片路径,划分训练集与验证集并保存到txt文件中

2023-11-14 03:05| 来源: 网络整理| 查看: 265

        本文将分享自己写的5个函数,分别用来实现保存数据集图片的路径到txt文件,读取txt文件,划分训练集、验证集与测试集并保存到txt文件,以及能获取txt文件中存储的图片路径与标签。

1. 读取数据集 def write_dataset2txt(dataset_path, save_path): ''' :param save_path: txt文件保存的目标路径 :return: ''' # 分类文件夹名称 classes_name = os.listdir(dataset_path) # 列表形式存储 print(f'classes_name: {classes_name}') # 执行写入文件操作,如果文件已存在,则不执行写入操作,需手动删除文件后再执行 if os.path.exists(save_path): print(f'{save_path} already exists! Please delete it first.') else: for classes in classes_name: cls_path = f'{dataset_path}/{classes}' for i in os.listdir(cls_path): img_path = f'{cls_path}/{i}' with open(os.path.join(save_path), "a+", encoding="utf-8", errors="ignore") as f: f.write(img_path + '\n') print('Writing dataset to file is finish!') 2. 逐行读取dataset.txt中的内容 def get_image_path(read_path): ''' 读取数据集所有图片路径 :param read_path: dataset.txt文件所在路径 :return: 返回所有图像存储路径的列表 ''' with open(os.path.join(read_path), "r+", encoding="utf-8", errors="ignore") as f: img_list = f.read().split('\n') img_list.remove('') # 因为写入程序最后一个循环会有换行,所以最后一个元素是空元素,故删去 # print(f'Read total of images: {len(img_list)}') random.seed(0) return img_list 3. 获得保存在txt文件中的图像路径和图像标签 def get_dataset_list(read_path): ''' 读取训练集和验证集txt文件,获得图片存储路径和图片对应标签 :param read_path: txt文件读取的目标路径 :return: 返回所有图像存储路径和对应标签的列表的列表 ''' with open(os.path.join(read_path), "r+", encoding="utf-8", errors="ignore") as f: # 图片路径 data_list = f.read().split('\n') # print(data_list) # print(f'Read total of images: {len(data_list)}') # 对应图片标签 img_path = [] labels = [] for i in range(len(data_list)): image = data_list[i] img_path.append(image) label = data_list[i].split('/')[1] labels.append(str(label)) # print(img_path) return img_path, labels 4. 随机静态划分训练集、验证集与测试集,并保存到txt文件中 def write_train_val_test_list(img_list, train_rate, val_rate, train_save_path, val_save_path, test_save_path): ''' 随机划分训练集与验证集,并将训练集和验证集的图片路径和对应的标签存入txt文件中 本方法因使用random.seed(0)语句,所以本方法是静态划分数据集,若想实现动态划分,可注释掉random.seed(0)语句 :param img_list: 保存图像路径的列表 :param train_rate: 训练集数量的比率 :param train_save_path: 训练图像保存路径 :param val_save_path: 验证集图像保存路径 :return: ''' train_index = len(img_list) * train_rate # 以train_index为界限,img_list[0, train_index)为训练集 val_index = len(img_list) * (train_rate + val_rate) # 索引在[train_index, val_index)之间的为验证集,其余的为测试集 # 列表随机打乱顺序,放入种子数,保证随机固定,使结果可复现 random.seed(0) random.shuffle(img_list) # 划分训练集和验证集,并写入txt文件 # 判断txt文件是否已经存在,若存在则不执行写入操作,需手动删除 if os.path.exists(train_save_path): print(f'{train_save_path} already exists! Please delete it first.') if os.path.exists(val_save_path): print(f'{val_save_path} already exists! Please delete it first.') if os.path.exists(test_save_path): print(f'{test_save_path} already exists! Please delete it first.') if not os.path.exists(train_save_path) and not os.path.exists(val_save_path) and not os.path.exists(test_save_path): print('Splitting datasets...') for i in range(len(img_list)): # 写入训练集 if i < train_index: with open(os.path.join(train_save_path), "a+", encoding="utf-8", errors="ignore") as f: if i < train_index - 1: f.write(img_list[i] + '\n') else: f.write(img_list[i]) # 写入验证集 elif i >= train_index and i < val_index: with open(os.path.join(val_save_path), 'a+', encoding='utf-8', errors='ignore') as f: if i < val_index - 1: f.write(img_list[i] + '\n') else: f.write(img_list[i]) # 写入测试集 else: with open(os.path.join(test_save_path), 'a+', encoding='utf-8', errors='ignore') as f: if i < len(img_list) - 1: f.write(img_list[i] + '\n') else: f.write(img_list[i]) print(f'Train datasets was saved: {train_save_path}') print(f'Val datasets was saved: {val_save_path}') print(f'Test datasets was saved: {test_save_path}') print('Splitting datasets Finished!') 5. 读取train.txt和val.txt文件中的图片路径和对应标签,并绘制柱状图 def get_train_and_val(train_txt_path, val_txt_path): # 读取train.txt和val.txt文件中的图片路径和对应标签 train_img_path, train_label = get_dataset_list(train_txt_path) val_img_path, val_label = get_dataset_list(val_txt_path) # 类别的集合 classes = list(set(train_label + val_label)) # 去重 classes.sort() # 排序,固定顺序 # 统计各类别数量 every_class_num = [] for cls in classes: # print(f'{cls} total:{train_label.count(cls) + val_label.count(cls)}') every_class_num.append(train_label.count(cls) + val_label.count(cls)) # 追加各类别元素的数量 # print(every_class_num) # 将标签字符串转为数值 classes_dict = {} for i in range(len(classes)): key = classes[i] value = i classes_dict[key] = value train_labels = [] val_labels = [] for label in train_label: train_labels.append(classes_dict[label]) for label in val_label: val_labels.append(classes_dict[label]) # 改变字典组织格式 classes_dict = dict((v, k) for k, v in classes_dict.items()) # 将类别写入json文件 classes_json = json.dumps(classes_dict, indent=4) json_path = r'classes.json' with open(json_path, 'w') as f: f.write(classes_json) # 是否绘制每种类别个数柱状图 plot_image = True if plot_image: # 绘制每种类别个数柱状图 plt.bar(range(len(classes)), every_class_num, align='center') # 将横坐标0,1,2,3,4替换为相应的类别名称 plt.xticks(range(len(classes)), classes) # 在柱状图上添加数值标签 for i, v in enumerate(every_class_num): plt.text(x=i, y=v + 5, s=str(v), ha='center') # 设置x坐标 plt.xlabel('image class') # 设置y坐标 plt.ylabel('number of images') # 设置柱状图的标题 plt.title('Classes distribution') plt.show() 6. 测试部分 该程序在相对三级目录下进行测试,将存相对路径式为:数据集名称/类别名称/图片 项目目录结构如图所示:

 

测试代码:

if __name__ == '__main__': # 创建dataset.txt数据集,将flower_photos修改为自己的数据集名称 dataset_path = r'flower_photos' dataset_txt_path = r'dataset_file/dataset.txt' write_dataset2txt(dataset_path, dataset_txt_path) # 划分训练集、验证集与测试集 img_list = get_image_path(dataset_txt_path) # 读取dataset.txt中的内容获得图片路径 train_rate = 0.6 # 训练集比重60% val_rate = 0.2 # 验证集比重20%,测试集比重20% train_path = r'dataset_file/train.txt' val_path = r'dataset_file/val.txt' test_path = r'dataset_file/test.txt' write_train_val_test_list(img_list, train_rate, val_rate, train_path, val_path, test_path) # 获取训练集和验证集图片路径与标签 train_img_path, train_labels, val_img_path, val_labels, classes = get_train_and_val(train_path, val_path) print(f'Total of training images: {len(train_img_path)}') print(f'Total of val images: {len(val_img_path)}') print(f'classes: {classes}')

 代码运行后的控制台结果:

且绘制每个种类参与训练的样本数

 同时,项目中多了4个.txt文件,如图所示

若上述四个文件已存在,再次运行程序,不会执行写入操作,且控制台会打印提醒(如下图),需手动删除上述4个文件,才能执行

 三个文件的部分内容展示如下图,可以看出该程序成果将图片的相对路径存储到txt文件中。

注意:

        1. 程序中的写入文件操作,使用的是'a+'指令,会在同名文件进行追加写入操作,所以,每次执行该程序,需要删掉生成的4个txt文件,防止追加写入。(程序已更新优化,若文件已存在,则不执行写入操作,同时控制台会打印文件已存在的提醒)

        2. 该测试程序中,使用的是相对目录,所以该.py程序应和数据集目录放置在同一级别,且数据集目录如图一中的目录结构相同。

        3. 上述代码可依次复制到自己的程序中,并能运行成功。如果想获取源文件,我已免费上传,可直接从如下链接下载:使用Python读取数据集图片路径,划分数据集并将图片路径保存到txt文件中

        4. 如有其他问题,欢迎评论区留言讨论。创作不易,如有帮助,感谢点赞支持。



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3