Python 在 Keras 中从 .jpgs 创建规范化数据集

发布于08月17日

我目前正在学习使用TensorFlow/KERAS，在将图像作为数据集加载时遇到了一些问题.

作为背景，我从Kaggle下载了Pizza/Not Pizza dataset，我只想构建一个朴素的二进制分类模型.

在KERAS文档中，我应该使用IMAGE_DATASET_FROM_DIRECTORY函数，但有一个问题.它要求我将图像的大小作为参数提供给函数，但这会扰乱数据集.我已经注意到DS中的图像要么是512x384，要么是384x512，所以我想要做的就是加载这1000个图像，对它们应用转置，最后将所有内容转换为张量.

因此，我的问题是:如何从目录加载图像，而不预先设置特定的大小/形状？

推荐答案

你可以事先旋转所有第一个形状为384的图像(反之亦然，没有什么不同).

此脚本可旋转您的图像并将其全部保存在新文件夹中:

import imageio
import numpy as np
import os
import ndimage

outPath = "rotated_images/"
path = "images/"

# iterate through the names of contents of the folder
for image_path in os.listdir(path):

    # create the full input path and read the file
    input_path = os.path.join(path, image_path)
    image_to_rotate = imageio.imread(input_path)
    
    # rotating all images with first shape 384
    if image_to_rotate.shape[0] == 384:
        # rotate the image
        rotated = ndimage.rotate(image_to_rotate, 90)
    else:
        rotated = image_to_rotate

    fullpath = os.path.join(outPath, image_path)
    imageio.imsave(fullpath, rotated)

在那之后，你可以在outPath文件夹上随意拨打image_dataset_from_directory.

类似的东西可以在here个地方找到.