深度学习训练数据打标签过程 |
您所在的位置:网站首页 › 什么叫贴标签的意思 › 深度学习训练数据打标签过程 |
深度学习训练数据打标签过程
为了获取大量的图片训练数据,在采集数据的过程中常用视频的方式采集数据,但对于深度学习,训练的过程需要很多的有有标签的数据,这篇文章主要是解决视频文件转换成图片文件,并加标签,最后把数据存储到pkl文件中,为后续深度学习提供数据。 1. video to image 这个应用,主要是把视频切分成图片,并保存到本地,可以自定义切分的时间间隔;在深度学习中,由于场景的需要,有时候需要自己动手去做图片的标注,但是我们在采取数据的时候,多把数据保存成视频的形式,对于视频的信息不好进行标注。对于视频转换成图片,可以通过播放视频,然后通过截图的方式把所需要的图片保存到本地,但是这样子的话,工作效率很很低。所以,为解决这个麻烦的过程,我先把视频的数据一帧一帧的读取进来,并生成成图片保存到本地,节省了大量的时间。 具体代码实现过程 # 导入所需要的库 import cv2 import numpy as np # 定义保存图片函数 # image:要保存的图片名字 # addr;图片地址与相片名字的前部分 # num: 相片,名字的后缀。int 类型 def save_image(image,addr,num): address = addr + str(num)+ '.jpg' cv2.imwrite(address,image) # 读取视频文件 videoCapture = cv2.VideoCapture("./input/chen6.30.mp4") # 通过摄像头的方式 # videoCapture=cv2.VideoCapture(1) #读帧 success, frame = videoCapture.read() i = 0 while success : i = i + 1 save_image(frame,'./output/img_',i) if success: print('save image:',i) success, frame = videoCapture.read() save image: 1 save image: 2 save image: 3 save image: 4 save image: 5 save image: 6...... 2. 对于生成的图片添加label,并保存成pkl格式 在这里只选择两张图片进行举例。 import numpy as np from PIL import Image import pickle import matplotlib.pyplot as plt %matplotlib inline 2.1 读取图片 img_640 = Image.open('./output/img_640.jpg') img_910 = Image.open('./output/img_910.jpg') # 显示图片 plt.imshow(img_640)到这里就完成了把图片加标签后存储与读取,为后续神经网络数据的输入做准备,当我们需要数据的时候,把pkl文件加载进来就可以。 github地址 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |