Flowers102花分类的数据下载和处理
本来找到了一个别人准备好的网盘文件，结果一对发现少了图片，张数没对上，最终还是自己处理吧
数据下载
https://www.robots.ox.ac.uk/~vgg/data/flowers/102/
下载145，对于1可以使用迅雷下载，快的不是一点！！
下载后解压，解压可以看到是102flowers的文件夹，下面有一个jpg文件，里面全是散的图片
数据分类
# encoding:utf-8 import scipy.io import numpy as np import os from PIL import Image import shutil labels = scipy.io.loadmat(r'E:Base_codetestFlower102dataimagelabels.mat')#该地址为imagelabels.mat的绝对地址 labels = np.array(labels['labels'][0]) - 1 print("labels:", labels) setid = scipy.io.loadmat(r'E:Base_codetestFlower102datasetid.mat')#该地址为setid.mat的绝对地址 validation = np.array(setid['valid'][0]) - 1 np.random.shuffle(validation) train = np.array(setid['trnid'][0]) - 1 np.random.shuffle(train) test = np.array(setid['tstid'][0]) - 1 np.random.shuffle(test) flower_dir = list() for img in os.listdir(r"E:Base_codetestFlower102102flowersjpg"):#该地址为源数据图片的绝对地址 flower_dir.append(os.path.join(r"E:Base_codetestFlower102102flowersjpg", img)) flower_dir.sort() # print(flower_dir) des_folder_train = r"E:Base_codetestFlower102prepare_pictrain"#该地址为新建的训练数据集文件夹的绝对地址 for tid in train: #打开图片并获取标签 img = Image.open(flower_dir[tid]) print(img) # print(flower_dir[tid]) img = img.resize((256, 256), Image.ANTIALIAS) lable = labels[tid] # print(lable) path = flower_dir[tid] print("path:", path) base_path = os.path.basename(path) print("base_path:", base_path) classes = "c" + str(lable) class_path = os.path.join(des_folder_train, classes) # 判断结果 if not os.path.exists(class_path): os.makedirs(class_path) print("class_path:", class_path) despath = os.path.join(class_path, base_path) print("despath:", despath) img.save(despath) des_folder_validation = r"E:Base_codetestFlower102prepare_picval"#该地址为新建的验证数据集文件夹的绝对地址 for tid in validation: img = Image.open(flower_dir[tid]) # print(flower_dir[tid]) img = img.resize((256, 256), Image.ANTIALIAS) lable = labels[tid] # print(lable) path = flower_dir[tid] print("path:", path) base_path = os.path.basename(path) print("base_path:", base_path) classes = "c" + str(lable) class_path = os.path.join(des_folder_validation, classes) # 判断结果 if not os.path.exists(class_path): os.makedirs(class_path) print("class_path:", class_path) despath = os.path.join(class_path, base_path) print("despath:", despath) img.save(despath) des_folder_test = r"E:Base_codetestFlower102prepare_pictest"#该地址为新建的测试数据集文件夹的绝对地址 for tid in test: img = Image.open(flower_dir[tid]) # print(flower_dir[tid]) img = img.resize((256, 256), Image.ANTIALIAS) lable = labels[tid] # print(lable) path = flower_dir[tid] print("path:", path) base_path = os.path.basename(path) print("base_path:", base_path) classes = "c" + str(lable) class_path = os.path.join(des_folder_test, classes) # 判断结果 if not os.path.exists(class_path): os.makedirs(class_path) print("class_path:", class_path) despath = os.path.join(class_path, base_path) print("despath:", despath) img.save(despath)
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165按照上述代码替换自己的路径
ps: 可能下载的标签文件直接点是乱码的，没有关系，直接替换路径就好。
处理好的数据如下：
接下来就可以进行自己的下游任务了，因为我打算构图，所以就不在这里写CNN分类的那些训练代码了
别人写的完整代码：
https://github.com/gaoli1537/flower102
有点奇怪的就是这个GitHub的代码确实是按照官方所给的数据划分的，train1020,valid1020,test6149，训练集好少。。很快就过拟合了
但是kaggle的划分是按照8:1：1进行划分的，也就是train 6552,valid 818，test819.
kaggle的是处理了的训练集和验证集，下载链接：https://www.kaggle.com/datasets/nunenuh/pytorch-challange-flower-dataset
然后看paperwithcode的topline都没有数据处理部分，直接加载训练的。。。
相关知识
细粒度分类常用数据集介绍及下载
建立一个植物毒性分类器：数据准备和清理
Tensorflow鸢尾花分类（数据加载与特征处理）
探索昆虫世界：利用hymenoptera数据集提升图像分类能力
TensorFlow 2建立神经网络分类模型——以iris数据为例
pytorch——AlexNet——训练花分类数据集
图像分类之花卉图像分类（一）数据增强
探索花朵的秘密世界：高品质五分类花卉识别数据集
资源一号02D卫星高光谱数据黄河三角洲湿地景观分类
细粒度分类数据集汇总
网址: Flowers102花分类的数据下载和处理 https://m.huajiangbk.com/newsview340686.html
| 上一篇: 中经评论：为美好生活增色，“鲜花 |
下一篇: 过完年了，年花年桔如何处理？这是 |
