Datasets documentation
画像分類
画像分類
画像分類データセットは、画像全体を分類するモデルの学習に使用されます。これらのデータセットにより、絶滅危惧種の野生動物の識別や、医療画像における疾患のスクリーニングなど、幅広いアプリケーションが実現できます。このガイドでは、画像分類データセットにトランスフォーメーションを適用する方法を示します。
開始する前に、albumentationsとcv2の最新バージョンがインストールされていることを確認してください。
pip install -U albumentations opencv-python
このガイドでは、葉の画像に基づいて豆類の植物病害の種類を特定するために、Beansデータセットを使用します。
データセットを読み込み、例を確認します:
>>> from datasets import load_dataset
>>> dataset = load_dataset("AI-Lab-Makerere/beans")
>>> dataset["train"][10]
{'image': <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=500x500 at 0x7F8D2F4D7A10>,
'image_file_path': '/root/.cache/huggingface/datasets/downloads/extracted/b0a21163f78769a2cf11f58dfc767fb458fc7cea5c05dccc0144a2c0f0bc1292/train/angular_leaf_spot/angular_leaf_spot_train.204.jpg',
'labels': 0}データセットには3つのフィールドがあります:
image: PIL画像オブジェクト。image_file_path: 画像ファイルへのパス。labels: 画像のラベルまたはカテゴリ。
次に、画像を確認してください:
次に、albumentationsでいくつかの拡張を適用します。画像をランダムにクロップし、水平方向に反転させ、明るさを調整します。
>>> import cv2
>>> import albumentations
>>> import numpy as np
>>> transform = albumentations.Compose([
... albumentations.RandomCrop(width=256, height=256),
... albumentations.HorizontalFlip(p=0.5),
... albumentations.RandomBrightnessContrast(p=0.2),
... ])画像にトランスフォーメーションを適用する関数を作成します:
>>> def transforms(examples):
... examples["pixel_values"] = [
... transform(image=np.array(image))["image"] for image in examples["image"]
... ]
...
... return examplesset_transform() 関数を使用して、データセットのバッチにトランスフォーメーションをオンザフライで適用し、ディスク容量の消費を削減できます:
>>> dataset.set_transform(transforms)pixel_values の最初の例にインデックスを指定することで、変換が正常に実行されたことを確認できます。
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> img = dataset["train"][0]["pixel_values"]
>>> plt.imshow(img)
Update on GitHub画像分類用のデータセットの処理方法が分かったところで、画像分類モデルの学習方法と、推論での使用方法を学びましょう。