阅读本文需要5.5分钟
引
本教程使用的环境：Windows 10 Python 3.6
数据源：The Oxford-IIIT Pet Dataset
需要的第三方库：
import tensorflow as tf import numpy as np import matplotlib.pyplot as plt %matplotlib inline from lxml import etree import glob from matplotlib.patches import Rectangle
一 单张图片定位
1 读取图片：（这里使用tensflow的方法读取）
img = tf.io.read_file(r'\xxxxxxxx.jpg')
2 解码图片：
img = tf.image.decode_jpeg(img)
3 显示下读取的图片
plt.imshow(img)
4 解析图片规格信息（这里是一个xml文件，我们使用爬虫将其图片信息爬取下来）
文件格式如图：
xml = open(r'xxxxxxx.xml').read() sel = etree.HTML(xml) width = int(sel.xpath('//size/width/text()')[0]) height = int(sel.xpath('//size/height/text()')[0]) xmin = int(sel.xpath('//bndbox/xmin/text()')[0]) ymin = int(sel.xpath('//bndbox/ymin/text()')[0]) xmax = int(sel.xpath('//bndbox/xmax/text()')[0]) ymax = int(sel.xpath('//bndbox/ymax/text()')[0])
5 定位
plt.imshow(img) rec = Rectangle((xmin, ymin), (xmax-xmin), (ymax-ymin), fill=False, color='red') ax = plt.gca() ax.axes.add_patch(rec)
输出：
二 统一规划
先给大家上一张图
所有
这是部分数据集图片，这里的图片大小不一，有的是长的有的是宽的。但是在创建data数据时，所有的图片数据应是统一的（也就是同长同高）所以我们得想个办法让其统一。
由上面的案例我们知道头部的位置由 (xmin, ymin), (xmax-xmin), (ymax-ymin)所决定，所以我们可以通过“放缩”的思想来实现目标值
1 统一图片大小（224，224）：
img = tf.image.resize(img, [224,224]) img = img/255 plt.imshow(img)
2 确定相对于的目标值：
xmin = (xmin/width)*224 ymin = (ymin/height)*224 xmax = (xmax/width)*224 ymax = (ymax/height)*224
3 定位：
plt.imshow(img) rec = Rectangle((xmin, ymin), (xmax-xmin), (ymax-ymin), fill=False, color='red') ax = plt.gca() ax.axes.add_patch(rec)
输出：
这时就可以把所有数据集导入训练，建立管道，训练成模型。（建议使用GPU版本）
若需要数据集，则在后台回复【数据集】即可获取
