找不到中文文档&＃xff0c;全是生肉。。没办法只能自己翻译了
MXNet -python API
Image API(图像)
概览
本文总结了用于读取和处理其中提供的图像的支持函数和迭代器
mxnet.imge 图像迭代和图像增加函数
图像处理函数
image.imdecode 将图像解码为NDArray。(NDArray 多维数组对象)
imgage.scale_down 如果尺寸大于图像尺寸&＃xff0c;缩小裁剪尺寸。
image.resize_short 将较短边调整到合适尺寸
image.fixed_crop 在固定的位置修剪src&＃xff0c;并(可选地)调整它的大小。
image.random_crop 按照尺寸随机修剪src&＃xff08;宽&＃xff0c;高&＃xff09;
image.center_crop 通过在所有的四边进行修剪将图像src裁剪到给定的大小&＃xff0c;并保留图像的中心。
image.color_normalize 用mean和std对src进行归一化。
image.random_size_crop 按照尺寸随机修剪src
图像迭代器
迭代器支持从二进制记录IO和原始图像文件加载图像。
image.ImageIter 有大量增加图片的图像迭代器
1 data_iter &＃61; mx.image.ImageIter(batch_size&＃61;4, data_shape&＃61;(3, 224, 224), label_width&＃61;1,
2 data_iter.reset()
3 for data in data_iter:
4 d &＃61; data.data[0]
5 print(d.shape)
6 # we can apply lots of augmentations as well我们也能够扩展到很多图片
7 data_iter &＃61; mx.image.ImageIter(4, (3, 224, 224), path_imglist&＃61;&＃39;data/custom.lst&＃39;,
8 data &＃61; data_iter.next()
9 # specify augmenters manually is also supported手动指定增量也是支持的
10 data_iter &＃61; mx.image.ImageIter(32, (3, 224, 224), path_rec&＃61;&＃39;data/caltech.rec&＃39;,
我们使用助手函数来初始化增加器
image.CreateAugmenter 创建一个增加器列表
一个支持增加器的列表
image.Augmenter 图像增强基类
image.SequentialAug 组成一个连续的增强列表。
image.RandomOrderAug 将增量表随机打乱
image.ResizeAug 使短边调整到增量大小
。。。中间省略先
通常由 tools/im2rec.py生成的 lst 文件是一个列表&＃xff0c;如下&＃xff1a;
index_0 label_0 image_path_0
index_1 label_1 image_path_1
label_N是一个定宽的向量数&＃xff0c;目标检测的标签类型是一个长的可变向量
A B [extra header] [(object0),(object1).....(objectN)]
A 是header 的宽度&＃xff08;2&＃43; extra header的长度&＃xff09;&＃xff0c;B是每个物体的宽度&＃xff0c;extra header是可选的&＃xff0c;用于插入助手信息&＃xff0c;如(宽度&＃xff0c;高度)。每个object通常是描述目标属性的5或6个数字.例如: [id, xmin, ymin, xmax, ymax, difficulty]&＃xff0c;把所有的进行合成&＃xff0c;我们得到目标检测的lst文件。
我总算找到了生成lst的文档了。。。。苍天啊
现在让我们使用im2rec.py脚本工具将它们转换为record io格式。首先&＃xff0c;我们需要制作一个包含所有图像文件及其类别的列表:
京公网安备 11010802041100号