使用 PyTorch 的多标签、多类图像分类器 (ConvNet)
Posted
技术标签:
【中文标题】使用 PyTorch 的多标签、多类图像分类器 (ConvNet)【英文标题】:Multi-label, multi-class image classifier (ConvNet) with PyTorch 【发布时间】:2018-12-01 13:32:29 【问题描述】:我正在尝试使用 PyTorch 实现一个图像分类器 (CNN/ConvNet),我想从 csv 文件中读取我的标签。我有 4 个不同的类别,一张图片可能属于多个类别。
我已经阅读了PyTorch Tutorial 和this Stanford tutorial 和this one,但它们都没有涵盖我的具体情况。我设法构建了torch.utils.data.Dataset
类的自定义函数,该函数仅适用于从 csv 文件中读取二进制分类器的标签。
这是我目前拥有的torch.utils.data.Dataset
类的代码(根据上面链接的第三个教程稍作修改):
import torch
import torchvision.transforms as transforms
import torch.utils.data as data
from PIL import Image
import numpy as np
import pandas as pd
class MyCustomDataset(data.Dataset):
# __init__ function is where the initial logic happens like reading a csv,
# assigning transforms etc.
def __init__(self, csv_path):
# Transforms
self.random_crop = transforms.RandomCrop(800)
self.to_tensor = transforms.ToTensor()
# Read the csv file
self.data_info = pd.read_csv(csv_path, header=None)
# First column contains the image paths
self.image_arr = np.asarray(self.data_info.iloc[:, 0])
# Second column is the labels
self.label_arr = np.asarray(self.data_info.iloc[:, 1])
# Calculate len
self.data_len = len(self.data_info.index)
# __getitem__ function returns the data and labels. This function is
# called from dataloader like this
def __getitem__(self, index):
# Get image name from the pandas df
single_image_name = self.image_arr[index]
# Open image
img_as_img = Image.open(single_image_name)
img_cropped = self.random_crop(img_as_img)
img_as_tensor = self.to_tensor(img_cropped)
# Get label(class) of the image based on the cropped pandas column
single_image_label = self.label_arr[index]
return (img_as_tensor, single_image_label)
def __len__(self):
return self.data_len
具体来说,我正在尝试从具有以下结构的文件中读取我的标签:
而我的具体问题是,我不知道如何在我的Dataset
类中实现它。我想我错过了 csv 中标签的(手动)分配与 PyTorch 如何读取它们之间的链接,因为我对框架相当陌生。
我将不胜感激有关如何使其工作的任何帮助,或者如果实际上有涵盖此内容的示例,也将非常感谢提供链接!
【问题讨论】:
【参考方案1】:也许我遗漏了一些东西,但是如果您想将列 1..N
(此处为 N = 4
)转换为标签向量或形状 (N,)
(例如,给定您的示例数据,label(img1) = [0, 0, 0, 1]
,label(img3) = [1, 0, 1, 0]
, ...),为什么不呢:
将所有标签列读入self.label_arr
:
self.label_arr = np.asarray(self.data_info.iloc[:, 1:]) # columns 1 to N
相应地返回__getitem__()
中的标签(这里没有变化):
single_image_label = self.label_arr[index]
为了训练你的分类器,你可以计算例如(N,)
预测和目标标签之间的交叉熵。
【讨论】:
以上是关于使用 PyTorch 的多标签、多类图像分类器 (ConvNet)的主要内容,如果未能解决你的问题,请参考以下文章