【猫狗分类】Pytorch VGG16 实现猫狗分类3-生成器+数据增强

背景

进行生成器的构建，还有数据增强。并且封装在data.py函数里。

声明：整个数据和代码来自于b站，链接：使用pytorch框架手把手教你利用VGG16网络编写猫狗分类程序_哔哩哔哩_bilibili

我做了复现，并且记录了自己在做这个项目分类时候，一些所思所得。

构建生成器+数据增强

这段代码定义了一个自定义的数据生成器类`DataGenerator`，用于处理图像数据，特别适用于深度学习中的图像分类或物体检测任务。下面是这个脚本的主要功能和流程总结：

1. **预处理函数定义**:
   - `preprocess_input(x)`: 将图像像素值归一化到[-1, 1]区间，这是许多深度学习模型的标准输入格式。
   - `cvtColor(image)`: 确保图像为RGB格式，如果输入是灰度或其他格式，则转换为RGB。

2. **`DataGenerator`类**:
   - **初始化 (`__init__`)**: 接受图像标注信息的列表、图像输入尺寸和是否进行随机数据增强的标志。
   - **数据长度 (`__len__`)**: 返回数据集的总样本数。
   - **获取样本 (`__getitem__`)**: 
     - 读取图像和标签；
     - 应用数据增强（如果`random=True`），包括缩放、裁剪、翻转、旋转和色域扭曲；
     - 对图像进行预处理（归一化并调整通道顺序）；
     - 返回处理后的图像数据和标签。
   - **辅助函数**:
     - `rand(a, b)`: 生成一个在[a, b]范围内的随机数。
     - `get_random_data(image, inpt_shape, jitter, hue, sat, val, random)`: 实现数据增强逻辑，包括调整图像大小、添加灰边、随机翻转、旋转以及HSV空间的颜色调整。

总结来说，这个`DataGenerator`类主要用于读取图片文件，并根据给定的参数执行一系列图像预处理和数据增强操作，以便于后续的深度学习模型训练。它能够生成经过标准化处理和增强的数据，提高模型对图像变化的鲁棒性，适合于训练图像识别、分类或检测模型。

【为什么获取样本放在 (__getitem__)】

def __getitem__(self, index):
    annotation_path=self.annotation_lines[index].split(';')[1].split()[0]
    image=Image.open(annotation_path)
    image=self.get_random_data(image,self.input_shape,random=self.random)
    image=np.transpose(preprocess_input(np.array(image).astype(np.float32)),[2,0,1])
    y=int(self.annotation_lines[index].split(';')[0])
    return image,y

在Python的类定义中，`__getitem__`方法是一个特殊方法，当实例化的对象使用方括号`[]`操作符访问元素时，该方法会被自动调用。对于数据处理或者数据集类（如上述的`DataGenerator`）而言，实现`__getitem__`方法具有重要意义，原因如下：

1. **索引访问**: 在深度学习中，我们经常需要按索引从数据集中获取单个样本，用于训练或验证模型。通过重载`__getitem__`，可以像操作列表一样简单地从数据集中提取数据，例如`data = dataset[i]`。

2. **迭代兼容**: 实现了`__getitem__`的数据集类可以被用在for循环中，因为Python的迭代协议会尝试使用`__getitem__`方法来遍历对象。这样使得数据集能够方便地与很多现有的库和框架集成，比如PyTorch的训练循环中直接迭代数据加载器。

3. **兼容PyTorch等框架**: 深度学习框架（如PyTorch）的数据加载器（DataLoader）要求数据集类实现`__getitem__`和`__len__`方法，以便能够高效地按批次加载和处理数据。这允许框架根据需要动态地请求和处理数据，特别是在进行批量训练时，提高了内存效率和训练速度。

4. **灵活的数据处理**: 在`__getitem__`内部，可以根据索引执行复杂的逻辑来处理和返回特定的样本。这包括但不限于加载图像、应用数据增强、预处理等操作，为每个样本提供了定制化的处理流程。

因此，在上述代码中，将获取样本的逻辑放在`__getitem__`方法中，是为了遵循这些最佳实践和框架要求，确保数据集能够高效、灵活地服务于深度学习模型的训练和验证过程。

完整代码

import cv2
import numpy as np
import torch.utils.data as data
from PIL import  Image
 
def preprocess_input(x):
    x/=127.5
    x-=1.
    return x
def cvtColor(image):
    if len(np.shape(image))==3 and np.shape(image)[-2]==3:
        return image
    else:
        image=image.convert('RGB')
        return image
 
 
class DataGenerator(data.Dataset):
    def __init__(self,annotation_lines,inpt_shape,random=True):
        self.annotation_lines=annotation_lines
        self.input_shape=inpt_shape
        self.random=random
 
    def __len__(self):
        return len(self.annotation_lines)
    def __getitem__(self, index):
        annotation_path=self.annotation_lines[index].split(';')[1].split()[0]
        image=Image.open(annotation_path)
        image=self.get_random_data(image,self.input_shape,random=self.random)
        image=np.transpose(preprocess_input(np.array(image).astype(np.float32)),[2,0,1])
        y=int(self.annotation_lines[index].split(';')[0])
        return image,y
    def rand(self,a=0,b=1):
        return np.random.rand()*(b-a)+a
 
    def get_random_data(self,image,inpt_shape,jitter=.3,hue=.1,sat=1.5,val=1.5,random=True):
 
        image=cvtColor(image)
        iw,ih=image.size
        h,w=inpt_shape
        if not random:
            scale=min(w/iw,h/ih)
            nw=int(iw*scale)
            nh=int(ih*scale)
            dx=(w-nw)//2
            dy=(h-nh)//2
 
            image=image.resize((nw,nh),Image.BICUBIC)
            new_image=Image.new('RGB',(w,h),(128,128,128))
 
            new_image.paste(image,(dx,dy))
            image_data=np.array(new_image,np.float32)
            return image_data
        new_ar=w/h*self.rand(1-jitter,1+jitter)/self.rand(1-jitter,1+jitter)
        scale=self.rand(.75,1.25)
        if new_ar<1:
            nh=int(scale*h)
            nw=int(nh*new_ar)
        else:
            nw=int(scale*w)
            nh=int(nw/new_ar)
        image=image.resize((nw,nh),Image.BICUBIC)
        #将图像多余的部分加上灰条
        dx=int(self.rand(0,w-nw))
        dy=int(self.rand(0,h-nh))
        new_image=Image.new('RGB',(w,h),(128,128,128))
        new_image.paste(image,(dx,dy))
        image=new_image
        #翻转图像
        flip=self.rand()<.5
        if flip: image=image.transpose(Image.FLIP_LEFT_RIGHT)
        rotate=self.rand()<.5
        if rotate:
            angle=np.random.randint(-15,15)
            a,b=w/2,h/2
            M=cv2.getRotationMatrix2D((a,b),angle,1)
            image=cv2.warpAffine(np.array(image),M,(w,h),borderValue=[128,128,128])
        #色域扭曲
        hue=self.rand(-hue,hue)
        sat=self.rand(1,sat) if self.rand()<.5 else 1/self.rand(1,sat)
        val=self.rand(1,val) if self.rand()<.5 else 1/self.rand(1,val)
        x=cv2.cvtColor(np.array(image,np.float32)/255,cv2.COLOR_RGB2HSV)#颜色空间转换
        x[...,1]*=sat
        x[...,2]*=val
        x[x[:,:,0]>360,0]=360
        x[:,:,1:][x[:,:,1:]>1]=1
        x[x<0]=0
        image_data=cv2.cvtColor(x,cv2.COLOR_HSV2RGB)*255
        return image_data