YOLOv5 分类模型的预处理

YOLOv5 分类模型的预处理

flyfish

版本 6.2

将整个代码简化成如下代码

py 复制代码
imgsz=224
file = "/home/a/Pictures/1.jpg"
transforms = classify_transforms(imgsz)
im = cv2.cvtColor(cv2.imread(file), cv2.COLOR_BGR2RGB)
print(im.shape)

im = transforms(im)
print(im.shape)

im = im.unsqueeze(0).to("cpu")
print(im.shape)

(511, 306, 3) H,W,C顺序

torch.Size([3, 224, 224]) 经过transforms后

torch.Size([1, 3, 224, 224]) 通过unsqueeze扩展增加一维,最后是NCHW的维度进入模型

图像经过了如下变换

python 复制代码
def classify_transforms(size=224):
    # Transforms to apply if albumentations not installed
    return T.Compose([T.ToTensor(), T.Resize(size), T.CenterCrop(size), T.Normalize(IMAGENET_MEAN, IMAGENET_STD)])

最重要的是这两个

py 复制代码
T.Resize(size)
T.CenterCrop(size)

分步演示

T.Resize(size) 图像的缩放

看一个参数还是两个参数

如果是一个参数int,那么图像的较小边将与该参数匹配,然后进行缩放,高宽比例不变。

如果是(h, w),那么图像就缩放到(h, w)大小。

举个例子

如果 height > width 那么图片会被缩放到 (size * height / width, size).比例不变

参考:https://pytorch.org/vision/main/generated/torchvision.transforms.Resize.html

复制代码
import matplotlib.pyplot as plt
from PIL import Image
from torchvision import transforms

file_path = "./1.jpg"
img = Image.open(file)
print("Original:", img.size)

用了PIL库 是 宽w,高h 顺序

原始大小 宽w,高h Original: (306, 511)

复制代码
trans0 = transforms.Compose([transforms.Resize(imgsz)]) 
after0 = trans0(img)

print("Resize:", after0.size)
after0.save('2.jpg')

经过Resize之后 宽w,高h Resize: (224, 374)

复制代码
trans1 = transforms.Compose([transforms.CenterCrop(imgsz)])
after1 = trans1(after0)
print("CenterCrop:", after1.size)
after1.save('3.jpg')

经过中心剪裁后 CenterCrop: (224, 224)

相关推荐
wh_xia_jun12 小时前
基础分类模型及回归简介(一)
分类·数据挖掘·回归
一勺汤13 小时前
多尺度频率辅助类 Mamba 线性注意力模块(MFM),融合频域和空域特征,提升多尺度、复杂场景下的目标检测能力
深度学习·yolo·yolov12·yolo12·yolo12改进·小目标·mamba like
格林威20 小时前
Baumer工业相机堡盟工业相机如何通过YoloV8模型实现人物识别(C#)
开发语言·人工智能·数码相机·yolo·计算机视觉·c#
Virgil1391 天前
数据分布是如何影响目标检测精度的
人工智能·深度学习·yolo·目标检测·计算机视觉
李昊哲小课1 天前
K近邻算法的分类与回归应用场景
python·机器学习·分类·数据挖掘·回归·近邻算法·sklearn
灵智工坊LingzhiAI1 天前
使用YOLOv11实现水果类别检测:从数据到模型训练的全过程
yolo
摸鱼仙人~1 天前
现代人工智能综合分类:大模型时代的架构、模态与生态系统
人工智能·分类·数据挖掘
麻雀无能为力1 天前
CAU数据挖掘第四章 分类问题
人工智能·分类·数据挖掘·中国农业大学计算机
lucky_lyovo1 天前
卷积神经网络-卷积的分类
深度学习·分类·cnn
weixin_464078072 天前
机器学习sklearn入门:使用KNN模型分类鸢尾花和使用交叉验证进行简单调参
机器学习·分类·sklearn