카페 모형의 이동 학습을 해보도록 하겠습니다.
3675 단어 CaffeTransferLearning
1. 이동 학습
2. 재학습용 데이터 수집
라벨은 인공지능으로 표시된 것이다.인간이 표시한 데이터에 따르면 허용도가 높고,'선글라스 낀 고양이','애니메이션 고양이'도 고양이로 표시하기 때문에fine tuning은 적합하지 않으니 포기하자.wget https://storage.googleapis.com/openimages/2017_07/images_2017_07.tar.gz
tar -zxvf images_2017_07.tar.gz
wget https://storage.googleapis.com/openimages/2017_07/annotations_machine_2017_07.tar.gz
tar -zxvf annotations_machine_2017_07.tar.gz
import csv
import os
import time
from PIL import Image
import urllib
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True
all_tgt = ["cat", "dog", "person", "yard"]
for cur_tgt in all_tgt:
print '\nClass : ' + str(cur_tgt) + '\n\n'
f1 = open('/home/ubuntu/labels_'+str(cur_tgt)+'.csv', 'r')
reader1 = csv.reader(f1)
f2 = open('/home/ubuntu/2017_07/train/images.csv', 'r')
reader2 = csv.reader(f2)
confidence = 1.0
if cur_tgt == 'yard':
confidence = 0.9
cnt = 0
for row1 in reader1:
if float(row1[3]) == confidence:
for row2 in reader2:
if row1[0] == row2[0]:
break
print str(cnt)+' : '+row2[2]
#load image
try:
urlimg = urllib.urlopen(row2[2])
img = Image.open(urlimg)
except:
continue # skip if error happened
fname = '/home/ubuntu/downloaded_images/'+str(cur_tgt)+'.'+str(cnt)+'.jpg'
if urlimg.url.find('unavailable') == -1:
if cur_tgt != 'yard':
#resize image
ratio = img.width / 227.0
if img.height < img.width:
ratio = img.height / 227.0
img_resize = img.resize((int(round(img.width/ratio)), int(round(img.height/ratio))))
img_resize.save(fname)
else:
img.save(fname)
cnt = cnt + 1
if 10000 <= cnt:
break
f1.close()
f2.close()
images.csv의 내용은 다음과 같습니다.
annotations-machine.csv 행마다 이미지 ID와 해당 이미지 태그가 있습니다.안은 이런 모양입니다.Open Images Dataset에는 고양이 ID (/m/01yrx) 에 해당하는 이미지 ID와 태그 이름이 있습니다.
그리고 900만 장의 그림에서 아래의 지령으로 고양이와 관련된 그림만 본다
추출해.
/home/ubuntu/labels_cat.csv0000de486dc6c49f,machine,/m/01yrx,0.9
00056e547b7c00d6,machine,/m/01yrx,1.0
00067fe83e3e21c8,machine,/m/01yrx,1.0
0008ab3d8674f6ca,machine,/m/01yrx,1.0
000aa552a9d80891,machine,/m/01yrx,1.0
000c01d8269e1554,machine,/m/01yrx,0.7
000c24660cd3fd95,machine,/m/01yrx,0.7
00129ccb99612727,machine,/m/01yrx,1.0
결과
labals_cat.csv
labals_dog.csv
labals_person.csv
labals_yard.csv
이번에는 파인애플 투어의 장르별 학습 데이터를 모아서 쓰려고 합니다.
메타데이터 파일을 생성합니다.
Reference
이 문제에 관하여(카페 모형의 이동 학습을 해보도록 하겠습니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/takunkun/items/881baf558ea3d7703f18
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
라벨은 인공지능으로 표시된 것이다.인간이 표시한 데이터에 따르면 허용도가 높고,'선글라스 낀 고양이','애니메이션 고양이'도 고양이로 표시하기 때문에fine tuning은 적합하지 않으니 포기하자.
wget https://storage.googleapis.com/openimages/2017_07/images_2017_07.tar.gz
tar -zxvf images_2017_07.tar.gz
wget https://storage.googleapis.com/openimages/2017_07/annotations_machine_2017_07.tar.gz
tar -zxvf annotations_machine_2017_07.tar.gz
import csv
import os
import time
from PIL import Image
import urllib
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True
all_tgt = ["cat", "dog", "person", "yard"]
for cur_tgt in all_tgt:
print '\nClass : ' + str(cur_tgt) + '\n\n'
f1 = open('/home/ubuntu/labels_'+str(cur_tgt)+'.csv', 'r')
reader1 = csv.reader(f1)
f2 = open('/home/ubuntu/2017_07/train/images.csv', 'r')
reader2 = csv.reader(f2)
confidence = 1.0
if cur_tgt == 'yard':
confidence = 0.9
cnt = 0
for row1 in reader1:
if float(row1[3]) == confidence:
for row2 in reader2:
if row1[0] == row2[0]:
break
print str(cnt)+' : '+row2[2]
#load image
try:
urlimg = urllib.urlopen(row2[2])
img = Image.open(urlimg)
except:
continue # skip if error happened
fname = '/home/ubuntu/downloaded_images/'+str(cur_tgt)+'.'+str(cnt)+'.jpg'
if urlimg.url.find('unavailable') == -1:
if cur_tgt != 'yard':
#resize image
ratio = img.width / 227.0
if img.height < img.width:
ratio = img.height / 227.0
img_resize = img.resize((int(round(img.width/ratio)), int(round(img.height/ratio))))
img_resize.save(fname)
else:
img.save(fname)
cnt = cnt + 1
if 10000 <= cnt:
break
f1.close()
f2.close()
images.csv의 내용은 다음과 같습니다.annotations-machine.csv 행마다 이미지 ID와 해당 이미지 태그가 있습니다.안은 이런 모양입니다.Open Images Dataset에는 고양이 ID (/m/01yrx) 에 해당하는 이미지 ID와 태그 이름이 있습니다.
그리고 900만 장의 그림에서 아래의 지령으로 고양이와 관련된 그림만 본다
추출해.
/home/ubuntu/labels_cat.csv
0000de486dc6c49f,machine,/m/01yrx,0.9
00056e547b7c00d6,machine,/m/01yrx,1.0
00067fe83e3e21c8,machine,/m/01yrx,1.0
0008ab3d8674f6ca,machine,/m/01yrx,1.0
000aa552a9d80891,machine,/m/01yrx,1.0
000c01d8269e1554,machine,/m/01yrx,0.7
000c24660cd3fd95,machine,/m/01yrx,0.7
00129ccb99612727,machine,/m/01yrx,1.0
결과labals_cat.csv
labals_dog.csv
labals_person.csv
labals_yard.csv
이번에는 파인애플 투어의 장르별 학습 데이터를 모아서 쓰려고 합니다.
메타데이터 파일을 생성합니다.
Reference
이 문제에 관하여(카페 모형의 이동 학습을 해보도록 하겠습니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/takunkun/items/881baf558ea3d7703f18텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)