深度学习分类算法图像数据分类小工具
文章目录
前言
做分类算法数据标注时如果利用labelme等工具来分类图片的话效率太低，不好使用。于是写了个 小工具对图片进行分类给标注人员使用，支持任意类别数。
一、小工具使用方法
以下使用例子4类为例
写好python代码使用一下命令编译生成Classification_Tools.exe
pyinstaller -F Classification_Tools.py
原始待分类图片全部放在data_all文件夹内，双击Classification_Tools.exe启动程序如下图， 因为我是4个类别所以程序会自动创建0，1，2，3文件夹和unconfirmed文件夹，此时我们只需使用按键0，1，2，3即可将当前图片存放进相应的文件夹内，按右键可跳过当前图片进行下一站图片， 如果前一张分错了则按左键，会返回前一张图片然后重新进行分类，完成图片分类。如果遇到不确定或者不需要的图片则 按d键图片会放进unconfirmed文件夹内
二、实现代码
代码如下（示例）：
from cv2 import namedWindow, imshow, waitKeyEx, imread
import os
import shutil
import time
import sys
leftkeys = (81, 110, 65361, 2424832)
rightkeys = (83, 109, 65363, 2555904)
当前脚本工作的目录路径
root_dir = os.getcwd()
print(root_dir)
os.path.abspath()获得绝对路径
root_absdir = os.path.abspath(os.path.dirname(__file__))
print(root_absdir)
def make_dirs2(n):
if not os.path.exists(os.path.join(root_dir, n)):
os.makedirs(os.path.join(root_dir, n))
def Classification_Tools(num_cls):
data_dir = './data_all/' # 待分类数据路径
if not os.path.exists(data_dir):
print('data_all not exists, please put data to: ', data_dir)
time.sleep(5)
exit()
unconfirmed = 'unconfirmed' # 不确定数据存放路径
make_dirs2(unconfirmed)
for i in range(num_cls):
make_dirs2(str(i))
image_list = os.listdir(data_dir)
if len(image_list) == 0:
print('no image in %s ... please put data to: %s'%(data_dir, data_dir))
time.sleep(5)
exit()
namedWindow('Classification_Tools', 0)
i = 0
coccus_label = None
while True:
assert i < len(image_list), ('no image left...')
print('i', i)
image_path = os.path.join(data_dir, image_list[i])
print(image_path)
image = imread(image_path)
print(image.shape)
imshow('Classification_Tools', image)
key = waitKeyEx()
if key == ord('d'):
coccus_label = 'unconfirmed'
shutil.move(image_path, os.path.join(root_dir, unconfirmed))
i += 1 # (i + 1) % len(image_list)
if key in rightkeys:
i += 1 # (i + 1) % len(image_list)
if key in leftkeys and coccus_label != None:
# if not os.path.exists(os.path.join(('./' + str(coccus_label)), image_list[i-1])):
print('leftkeys:', os.path.join(('./' + str(coccus_label)), image_list[i - 1]))
if os.path.exists(os.path.join(('./' + str(coccus_label)), image_list[i - 1])):
print('ssssssssssssss', os.path.join(('./' + str(coccus_label)), image_list[i - 1]))
shutil.move(os.path.join(('./' + str(coccus_label)), image_list[i - 1]), data_dir)
i -= 1
if i < 0:
i = len(image_list) - 1
if (key == ord('q')) or (key == 27):
break
for j in range(num_cls):
if key & 0xFF == ord(str(j)):
coccus_label = str(j)
shutil.move(image_path, os.path.join(root_dir, str(j)))
i += 1 # (i + 1) % len(image_list)
break
if __name__ == '__main__':
# num_cls = sys.argv[1] # 传入类别数量
num_cls = 4
Classification_Tools(num_cls)
总结
比开源的那些软件更好用，效率高。
Original: https://blog.csdn.net/zengwubbb/article/details/124653498
Author: songlixiangaibin
Title: 图像分类标注小工具–快速，简单，高效
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/662238/
转载文章受原作者版权保护。转载请注明原作者出处！