Tensorflow使用标签读取图像

3 回答

• 2

  使用 slice_input_producer 提供了更清洁的解决方案 . Slice Input Producer允许我们创建一个包含任意多个可分离值的输入队列 . 这个问题的片段如下所示：

  def read_labeled_image_list(image_list_file):
      """Reads a .txt file containing pathes and labeles
      Args:
         image_list_file: a .txt file with one /path/to/image per line
         label: optionally, if set label will be pasted after each line
      Returns:
         List with all filenames in file image_list_file
      """
      f = open(image_list_file, 'r')
      filenames = []
      labels = []
      for line in f:
          filename, label = line[:-1].split(' ')
          filenames.append(filename)
          labels.append(int(label))
      return filenames, labels
  
  def read_images_from_disk(input_queue):
      """Consumes a single filename and label as a ' '-delimited string.
      Args:
        filename_and_label_tensor: A scalar string tensor.
      Returns:
        Two tensors: the decoded image, and the string label.
      """
      label = input_queue[1]
      file_contents = tf.read_file(input_queue[0])
      example = tf.image.decode_png(file_contents, channels=3)
      return example, label
  
  # Reads pfathes of images together with their labels
  image_list, label_list = read_labeled_image_list(filename)
  
  images = ops.convert_to_tensor(image_list, dtype=dtypes.string)
  labels = ops.convert_to_tensor(label_list, dtype=dtypes.int32)
  
  # Makes an input queue
  input_queue = tf.train.slice_input_producer([images, labels],
                                              num_epochs=num_epochs,
                                              shuffle=True)
  
  image, label = read_images_from_disk(input_queue)
  
  # Optional Preprocessing or Data Augmentation
  # tf.image implements most of the standard image augmentation
  image = preprocess_image(image)
  label = preprocess_label(label)
  
  # Optional Image and Label Batching
  image_batch, label_batch = tf.train.batch([image, label],
                                            batch_size=batch_size)
  

  另请参阅TensorVision示例中的generic_input_producer以获取完整输入管道 .

  回复于 2024-04-28T02:24:00+08:00
• 48

  解决此问题有三个主要步骤：

  • 使用包含原始空格分隔字符串的字符串列表填充tf.train.string_input_producer()，该字符串包含文件名和标签 .

  • 使用tf.read_file(filename)而不是 tf.WholeFileReader() 来读取图像文件 . tf.read_file() 是一个无状态的op，它使用单个文件名并生成一个包含文件内容的字符串 . 它的优点是's a pure function, so it'易于将数据与输入和输出相关联 . 例如，您的 read_my_file_format 函数将变为：

  def read_my_file_format(filename_and_label_tensor):
    """Consumes a single filename and label as a ' '-delimited string.
  
    Args:
      filename_and_label_tensor: A scalar string tensor.
  
    Returns:
      Two tensors: the decoded image, and the string label.
    """
    filename, label = tf.decode_csv(filename_and_label_tensor, [[""], [""]], " ")
    file_contents = tf.read_file(filename)
    example = tf.image.decode_png(file_contents)
    return example, label
  

  • 通过从 input_queue 传递一个出列的元素来调用 read_my_file_format 的新版本：

  image, label = read_my_file_format(input_queue.dequeue())
  

  然后，您可以在模型的其余部分中使用 image 和 label 张量 .

  回复于 2024-04-28T02:24:00+08:00
• 21

  除了提供的答案之外，您还可以做其他一些事情：

  Encode your label into the filename. 如果您有N个不同的类别，则可以将文件重命名为： 0_file001, 5_file002, N_file003 . 之后当您从reader key, value = reader.read(filename_queue) 读取数据时，您的键/值为：

  Read的输出将是文件名（键）和该文件的内容（值）

  然后解析文件名，提取标签并将其转换为int . 这将需要对数据进行一些预处理 .

  Use TFRecords 允许您将数据和标签存储在同一文件中 .

  回复于 2024-04-28T02:24:00+08:00