“在任何一種數(shù)據(jù)豐富的環(huán)境中都很容易找到模式。關(guān)鍵在于確定模式是代表噪聲還是信號�！报D奈特·西爾弗本文將介紹將圖像處理作為機(jī)器學(xué)習(xí)工作流程的一部分時要遵循的一些最佳實(shí)踐。庫import random

from PIL import Image

import cv2

import numpy as np

from matplotlib import pyplot as plt

import json

import albumentations as A

import torch

import torchvision．models as models

import torchvision．transforms as transforms

import torch．nn as nn

from tqdm import tqdm＿notebook

from torch．utils．data import DataLoader

from torchvision．datasets import CIFAR10

調(diào)整圖像大�。�縮放圖像調(diào)整大小是該領(lǐng)域深度學(xué)習(xí)實(shí)踐者所做的最基本的改變。這樣做的主要原因是確保我們的深度學(xué)習(xí)系統(tǒng)收到的輸入是一致的。調(diào)整大小的另一個原因是減少模型中的參數(shù)數(shù)量。更小的維數(shù)意味著更小的神經(jīng)網(wǎng)絡(luò)，從而節(jié)省了我們訓(xùn)練模型所需的時間和計(jì)算能力。信息丟失怎么辦？從較大的圖像向下調(diào)整大小時，確實(shí)會丟失一些信息。但是，根據(jù)你的任務(wù)，你可以選擇愿意為訓(xùn)練時間和計(jì)算資源犧牲多少信息。例如，對象檢測任務(wù)將要求你保持圖像的縱橫比，因?yàn)槟繕?biāo)是檢測對象的準(zhǔn)確位置。相反，圖像分類任務(wù)可能需要將所有圖像的大小調(diào)整為指定的大小（224x224是一個很好的經(jīng)驗(yàn)法則）。

img ＝ Image．open（＂goldendoodle－1234760＿960＿720．jpeg＂）

img＿resized ＝ Image．Image．resize（img， size＝（224， 224））

調(diào)整圖像大小后，圖像如下所示：

為什么要執(zhí)行圖像縮放？與表格數(shù)據(jù)類似，用于分類任務(wù)的縮放圖像可以幫助我們的深度學(xué)習(xí)模型的學(xué)習(xí)率更好地收斂到最小值�？s放可確保特定維度不會主導(dǎo)其他維度。在StackExchange上找到了一個非常好的答案。一種特征縮放是標(biāo)準(zhǔn)化像素值的過程。我們通過從每個通道的像素值中減去每個通道的平均值，然后除以標(biāo)準(zhǔn)差。在為分類任務(wù)訓(xùn)練模型時，這是一種常用的特征工程選擇。mean ＝ np．mean（img＿resized， axis＝（1，2）， keepdims＝True）

std ＝ np．std（img＿resized， axis＝（1，2）， keepdims＝True）

img＿std ＝ （img＿resized － mean） ／ std

注意：與調(diào)整大小一樣，在執(zhí)行對象檢測和圖像生成任務(wù)時，可能不希望進(jìn)行圖像縮放。上面的示例代碼演示了通過標(biāo)準(zhǔn)化縮放圖像的過程。還有其他形式的縮放，例如居中和標(biāo)準(zhǔn)化。擴(kuò)充（分類）增強(qiáng)圖像背后的主要動機(jī)是由于計(jì)算機(jī)視覺任務(wù)的可觀數(shù)據(jù)需求。通常，由于多種原因，獲取足夠的圖像進(jìn)行訓(xùn)練是一項(xiàng)挑戰(zhàn)。圖像增強(qiáng)使我們能夠通過稍微修改原始樣本來創(chuàng)建新的訓(xùn)練樣本。在本例中，我們將研究如何將普通的增強(qiáng)應(yīng)用于分類任務(wù)。我們可以使用Albumentations庫來實(shí)現(xiàn)這一點(diǎn)：img＿cropped ＝ Image．fromarray（A．RandomCrop（width＝225， height＝225）（image＝np．a(chǎn)rray（img））［＇image＇］）
img＿gau＿blur ＝ Image．fromarray（A．GaussianBlur（p＝0．8）（image＝np．a(chǎn)rray（img＿resized））［＇image＇］）
img＿flip ＝ Image．fromarray（A．Flip（0．8）（image＝np．a(chǎn)rray（img＿resized））［＇image＇］）
高斯模糊、隨機(jī)裁剪、翻轉(zhuǎn)：

通過應(yīng)用圖像增強(qiáng)，我們的深度學(xué)習(xí)模型可以更好地概括任務(wù)（避免過擬合），從而提高其對未知數(shù)據(jù)的預(yù)測能力。增強(qiáng)（目標(biāo)檢測）Albumentations庫還可用于為其他任務(wù)（如對象檢測）創(chuàng)建增強(qiáng)。對象檢測要求我們在感興趣的對象周圍創(chuàng)建邊界框。當(dāng)試圖用邊界框的坐標(biāo)注釋圖像時，使用原始數(shù)據(jù)可能是一項(xiàng)挑戰(zhàn)。幸運(yùn)的是，有許多公開和免費(fèi)可用的數(shù)據(jù)集，我們可以用來創(chuàng)建用于對象檢測的增強(qiáng)管道。其中一個數(shù)據(jù)集就是國際象棋數(shù)據(jù)集。該數(shù)據(jù)集包含棋盤上的606張棋子圖像。除了這些圖像，還提供了一個JSON文件，其中包含與單個圖像中每個棋子的邊界框相關(guān)的所有信息。通過編寫一個簡單的函數(shù)，我們可以在應(yīng)用擴(kuò)展后可視化數(shù)據(jù)：

with open（＂＿annotations．coco．json＂） as f：

json＿file ＝ json．load（f）

x＿min， y＿min， w， h ＝ json＿file［＇annotations＇］［0］［＇bbox＇］

x＿min， x＿max， y＿min， y＿max ＝ int（x＿min）， int（x＿min ＋ w）， int（y＿min）， int（y＿min ＋ h）

def visualize＿bbox（img， bbox， class＿name， color＝（0， 255， 0）， thickness＝2）：

x＿min， y＿min， w， h ＝ bbox

x＿min， x＿max， y＿min， y＿max ＝ int（x＿min）， int（x＿min ＋ w）， int（y＿min）， int（y＿min ＋ h）

cv2．rectangle（img， （x＿min， y＿min）， （x＿max， y＿max）， color＝color， thickness＝thickness）

（（text＿width， text＿h(yuǎn)eight）， ＿） ＝ cv2．getTextSize（class＿name， cv2．FONT＿HERSHEY＿SIMPLEX， 0．35， 1）    

   cv2．rectangle（img， （x＿min， y＿min － int（1．3 ＊ text＿h(yuǎn)eight））， （x＿min ＋ text＿width， y＿min）， BOX＿COLOR， －1）

cv2．putText（
       img，
       text＝class＿name，
       org＝（x＿min， y＿min － int（0．3 ＊ text＿h(yuǎn)eight）），
       fontFace＝cv2．FONT＿HERSHEY＿SIMPLEX，
       fontScale＝0．35，
       color＝（255， 255， 255），
       lineType＝cv2．LINE＿AA，

）

return img

bbox＿img ＝ visualize＿bbox（np．a(chǎn)rray（img）， 

json＿file［＇annotations＇］［0］［＇bbox＇］， 

class＿name＝j(luò)son＿file［＇categories＇］［0］［＇name＇］）

Image．fromarray（bbox＿img）

現(xiàn)在，讓我們嘗試使用Albumentations創(chuàng)建一個增強(qiáng)管道。包含注釋信息的JSON文件具有以下鍵：dict＿keys（［‘info’， ‘licenses’， ‘categories’， ‘images’， ‘a(chǎn)nnotations’］）

圖像包含有關(guān)圖像文件的信息，而注釋包含有關(guān)圖像中每個對象的邊界框的信息。最后，類別包含映射到圖像中棋子類型的鍵。image＿list ＝ json＿file．get（＇images＇）

anno＿list ＝ json＿file．get（＇annotations＇）

cat＿list ＝ json＿file．get（＇categories＇）

image＿list：［｛＇id＇： 0，

＇license＇： 1，

＇file＿name＇： ＇IMG＿0317＿JPG．rf．00207d2fe8c0a0f20715333d49d22b4f．jpg＇，

＇height＇： 416，

＇width＇： 416，

＇date＿captured＇： ＇2021－02－23T17：32：58＋00：00＇｝，

｛＇id＇： 1，

＇license＇： 1，

＇file＿name＇： ＇5a8433ec79c881f84ef19a07dc73665d＿jpg．rf．00544a8110f323e0d7721b3acf2a9e1e．jpg＇，

＇height＇： 416，

＇width＇： 416，

＇date＿captured＇： ＇2021－02－23T17：32：58＋00：00＇｝，

｛＇id＇： 2，

＇license＇： 1，

＇file＿name＇： ＇675619f2c8078824cfd182cec2eeba95＿jpg．rf．0130e3c26b1bf275bf240894ba73ed7c．jpg＇

＇height＇： 416，

＇width＇： 416，

＇date＿captured＇： ＇2021－02－23T17：32：58＋00：00＇｝，

anno＿list：［｛＇id＇： 0，

＇image＿id＇： 0，

＇category＿id＇： 7，

＇bbox＇： ［220， 14， 18， 46．023746508293286］，

＇area＇： 828．4274371492792，

＇segmentation＇： ［］，

＇iscrowd＇： 0｝，

｛＇id＇： 1，

＇image＿id＇： 1，

＇category＿id＇： 8，

＇bbox＇： ［187， 103， 22．686527154676014， 59．127992255841036］，

＇area＇： 1341．4088019136107，

＇segmentation＇： ［］，

＇iscrowd＇： 0｝，

｛＇id＇： 2，

＇image＿id＇： 2，

＇category＿id＇： 10，

＇bbox＇： ［203， 24， 24．26037020843023， 60．5］，

＇area＇： 1467．752397610029，

＇segmentation＇： ［］，

＇iscrowd＇： 0｝，

cat＿list：［｛＇id＇： 0， ＇name＇： ＇pieces＇， ＇supercategory＇： ＇none＇｝，

｛＇id＇： 1， ＇name＇： ＇bishop＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 2， ＇name＇： ＇black－bishop＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 3， ＇name＇： ＇black－king＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 4， ＇name＇： ＇black－knight＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 5， ＇name＇： ＇black－pawn＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 6， ＇name＇： ＇black－queen＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 7， ＇name＇： ＇black－rook＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 8， ＇name＇： ＇white－bishop＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 9， ＇name＇： ＇white－king＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 10， ＇name＇： ＇white－knight＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 11， ＇name＇： ＇white－pawn＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 12， ＇name＇： ＇white－queen＇， ＇supercategory＇： ＇pieces＇｝，

｛＇id＇： 13， ＇name＇： ＇white－rook＇， ＇supercategory＇： ＇pieces＇｝］

我們必須改變這些列表的結(jié)構(gòu)，以創(chuàng)建高效的管道：new＿anno＿dict ＝ ｛｝

new＿cat＿dict ＝ ｛｝

for item in cat＿list：

new＿cat＿dict［item［＇id＇］］ ＝ item［＇name＇］

for item in anno＿list：

img＿id ＝ item．get（＇image＿id＇）

if img＿id not in new＿anno＿dict：
       temp＿list ＝ ［］
       temp＿list．a(chǎn)ppend（item）
       new＿anno＿dict［img＿id］ ＝ temp＿list

else：
       new＿anno＿dict．get（img＿id）．a(chǎn)ppend（item）

現(xiàn)在，讓我們創(chuàng)建一個簡單的增強(qiáng)管道，水平翻轉(zhuǎn)圖像，并為邊界框添加一個參數(shù)：transform ＝ A．Compose（

［A．HorizontalFlip（p＝0．5）］，

bbox＿params＝A．BboxParams（format＝＇coco＇， label＿fields＝［＇category＿ids＇］），

）

最后，我們將創(chuàng)建一個類似于Pytorch dataset類的dataset。為此，我們需要定義一個實(shí)現(xiàn)方法＿＿len＿＿和＿＿getitem＿。class ImageDataset：

def ＿＿init＿＿（self， path， img＿list， anno＿dict， cat＿dict， albumentations＝None）：
       self．path ＝ path
       self．img＿list ＝ img＿list
       self．a(chǎn)nno＿dict ＝ anno＿dict
       self．cat＿dict ＝ cat＿dict
       self．a(chǎn)lbumentations ＝ albumentations

def ＿＿len＿＿（self）：
       return len（self．img＿list）

def ＿＿getitem＿＿（self， idx）：
       ＃ 每個圖像可能有多個對象，因此有多個盒子
       bboxes ＝ ［item［＇bbox＇］ for item in self．a(chǎn)nno＿dict［int（idx）］］
       cat＿ids ＝ ［item［＇category＿id＇］ for item in self．a(chǎn)nno＿dict［int（idx）］］
       categories ＝ ［self．cat＿dict［idx］ for idx in cat＿ids］
       image ＝ self．img＿list［idx］
       img ＝ Image．open（f＂｛self．path｝｛image．get（＇file＿name＇）｝＂）
       img ＝ img．convert（＂RGB＂）
       img ＝ np．a(chǎn)rray（img）
       if self．a(chǎn)lbumentations is not None：

augmented ＝ self．a(chǎn)lbumentations（image＝img， bboxes＝bboxes， category＿ids＝cat＿ids）

img ＝ augmented［＂image＂］
       return ｛

＂image＂： img，

＂category＿ids＂： augmented［＂category＿ids＂］，

＂category＂： categories
       ｝

＃ path是json＿file和images的路徑

dataset ＝ ImageDataset（path， image＿list， new＿anno＿dict， new＿cat＿dict， transform）

以下是在自定義數(shù)據(jù)集上迭代時的一些結(jié)果：

因此，我們現(xiàn)在可以輕松地將此自定義數(shù)據(jù)集傳遞給數(shù)據(jù)加載器以訓(xùn)練我們的模型。特征提取你可能聽說過預(yù)訓(xùn)練模型用于訓(xùn)練圖像分類器和其他有監(jiān)督的學(xué)習(xí)任務(wù)。但是，你知道嗎，你也可以使用預(yù)訓(xùn)練的模型來提取圖像的特征？簡言之，特征提取是一種降維形式，其中大量像素被降維為更有效的表示。這主要適用于無監(jiān)督機(jī)器學(xué)習(xí)任務(wù)。讓我們嘗試使用Pytorch預(yù)先訓(xùn)練的模型從圖像中提取特征。為此，我們必須首先定義我們的特征提取器類：class ResnetFeatureExtractor（nn．Module）：

def ＿＿init＿＿（self， model）：
       super（ResnetFeatureExtractor， self）．＿＿init＿＿（）
       self．model ＝ nn．Sequential（＊model．children（））［：－1］

def forward（self， x）：
       return self．model（x）

請注意，在第4行中，創(chuàng)建了一個新模型，將原始模型的所有層保存為最后一層。你會記得，神經(jīng)網(wǎng)絡(luò)中的最后一層是用于預(yù)測輸出的密集層。然而，由于我們只對提取特征感興趣，所以我們不需要最后一層，因此它被排除在外。然后，我們將torchvision預(yù)訓(xùn)練的resnet34模型傳遞給ResnetFeatureExtractor構(gòu)造函數(shù)，從而利用該模型。讓我們使用著名的CIFAR10數(shù)據(jù)集（50000張圖像），并在其上循環(huán)以提取特征。CIFAR10數(shù)據(jù)集（源）

cifar＿dataset ＝ CIFAR10（＂．／＂， transform＝transforms．ToTensor（）， download＝True）

cifar＿dataloader ＝ DataLoader（cifar＿dataset， batch＿size＝1， shuffle＝True）

feature＿extractor．eval（）

feature＿list ＝ ［］

for ＿， data in enumerate（tqdm＿notebook（cifar＿dataloader））：

inputs， labels ＝ data

with torch．no＿grad（）：
       extracted＿features ＝ feature＿extractor（inputs）

extracted＿features ＝ torch．flatten（extracted＿features）

feature＿list．a(chǎn)ppend（extracted＿features）

我們現(xiàn)在有一個50000個圖像特征向量的列表，每個特征向量的大小為512（原始resnet模型倒數(shù)第二層的輸出大�。�。print（fNumber of feature vectors： ｛len（feature＿list）｝＂） ＃50000

print（f＂Number of feature vectors： ｛len（feature＿list［0］）｝＂） ＃512

因此，該特征向量列表現(xiàn)在可由統(tǒng)計(jì)學(xué)習(xí)模型（如KNN）用于搜索類似圖像。