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
羊羊小栈3 天前
基于「YOLO目标检测 + 多模态AI分析」的遥感影像目标检测分析系统(vue+flask+数据集+模型训练)
人工智能·深度学习·yolo·目标检测·毕业设计·大作业
HenrySmale3 天前
05 回归问题和分类问题
分类·数据挖掘·回归
✎﹏赤子·墨筱晗♪3 天前
深入浅出LVS负载均衡群集:原理、分类与NAT模式实战部署
分类·负载均衡·lvs
victory04314 天前
wav2vec微调进行疾病语音分类任务
人工智能·分类·数据挖掘
大霸王龙4 天前
基于vLLM与YOLO的智能图像分类系统
yolo·分类·数据挖掘
m_136874 天前
Mac M 系列芯片 YOLOv8 部署教程(CPU/Metal 后端一键安装)
yolo·macos
Lululaurel4 天前
机器学习系统框架:核心分类、算法与应用全景解析
人工智能·算法·机器学习·ai·分类
格林威4 天前
机器视觉在半导体制造中有哪些检测应用
人工智能·数码相机·yolo·计算机视觉·视觉检测·制造·相机
月岛雫-4 天前
“单标签/多标签” vs “二分类/多分类”
人工智能·分类·数据挖掘
xchenhao5 天前
SciKit-Learn 全面分析分类任务 breast_cancer 数据集
python·机器学习·分类·数据集·scikit-learn·svm