c# 預處理識別硬幣的數據集

更新時間：2020年12月23日 08:46:22 作者：碼農譯站

這篇文章主要介紹了c# 預處理識別硬幣的數據集的方法，幫助大家更好的利用c#進行深度學習，感興趣的朋友可以了解下

在文章中，我們將對輸入到機器學習模型中的數據集進行預處理。

這里我們將對一個硬幣數據集進行預處理，以便以后在監(jiān)督學習模型中進行訓練。在機器學習中預處理數據集通常涉及以下任務:

清理數據——通過對周圍數據的平均值或使用其他策略來填補數據缺失或損壞造成的漏洞。
規(guī)范數據——將數據縮放值標準化到一個標準范圍，通常是0到1。具有廣泛值范圍的數據可能會導致不規(guī)范，因此我們將所有數據都放在一個公共范圍內。
一種熱編碼標簽——將數據集中對象的標簽或類編碼為N維二進制向量，其中N是類的總數。數組元素都被設置為0，除了與對象的類相對應的元素，它被設置為1。這意味著在每個數組中都有一個值為1的元素。
將輸入數據集分為訓練集和驗證集——訓練集被用于訓練模型，驗證集是用于檢查我們的訓練結果。

這個例子我們將使用Numpy.NET，它基本上是Python中流行的Numpy庫的.NET版本。

Numpy是一個專注于處理矩陣的庫。

為了實現我們的數據集處理器，我們在PreProcessing文件夾中創(chuàng)建Utils類和DataSet類。Utils類合并了一個靜態(tài)Normalize 方法，如下所示:

public class Utils
  {
    public static NDarray Normalize(string path)
    {
      var colorMode = Settings.Channels == 3 ? "rgb" : "grayscale";
      var img = ImageUtil.LoadImg(path, color_mode: colorMode, target_size: (Settings.ImgWidth, Settings.ImgHeight));
      return ImageUtil.ImageToArray(img) / 255;
    }

  }

在這種方法中，我們用給定的顏色模式(RGB或灰度)加載圖像，并將其調整為給定的寬度和高度。然后我們返回包含圖像的矩陣，每個元素除以255。每個元素除以255是使它們標準化，因為圖像中任何像素的值都在0到255之間，所以通過將它們除以255，我們確保了新的范圍是0到1，包括255。

我們還在代碼中使用了一個Settings類。該類包含用于跨應用程序使用的許多常量。另一個類DataSet，表示我們將要用來訓練機器學習模型的數據集。這里我們有以下字段:

_pathToFolder—包含圖像的文件夾的路徑。
_extList—要考慮的文件擴展名列表。
_labels—_pathToFolder中圖像的標簽或類。
_objs -圖像本身，表示為Numpy.NDarray。
_validationSplit—用于將總圖像數劃分為驗證集和訓練集的百分比，在本例中，百分比將定義驗證集與總圖像數之間的大小。
NumberClasses-數據集中唯一類的總數。
TrainX -訓練數據，表示為Numpy.NDarray。
TrainY -訓練標簽，表示為Numpy.NDarray。
ValidationX—驗證數據，表示為Numpy.NDarray。
ValidationY-驗證標簽，表示為Numpy.NDarray。

這是DataSet類：

public class DataSet
  {
    private string _pathToFolder;
    private string[] _extList;
    private List<int> _labels;
    private List<NDarray> _objs;
    private double _validationSplit;
    public int NumberClasses { get; set; }
    public NDarray TrainX { get; set; }
    public NDarray ValidationX { get; set; }
    public NDarray TrainY { get; set; }
    public NDarray ValidationY { get; set; }

    public DataSet(string pathToFolder, string[] extList, int numberClasses, double validationSplit)
    {
      _pathToFolder = pathToFolder;
      _extList = extList;
      NumberClasses = numberClasses;
      _labels = new List<int>();
      _objs = new List<NDarray>();
      _validationSplit = validationSplit;
    }

    public void LoadDataSet()
    {
      // Process the list of files found in the directory.
      string[] fileEntries = Directory.GetFiles(_pathToFolder);
      foreach (string fileName in fileEntries)
        if (IsRequiredExtFile(fileName))
          ProcessFile(fileName);

      MapToClassRange();
      GetTrainValidationData();
    }

    private bool IsRequiredExtFile(string fileName)
    {
      foreach (var ext in _extList)
      {
        if (fileName.Contains("." + ext))
        {
          return true;
        }
      }

      return false;
    }

    private void MapToClassRange()
    {
      HashSet<int> uniqueLabels = _labels.ToHashSet();
      var uniqueLabelList = uniqueLabels.ToList();
      uniqueLabelList.Sort();

      _labels = _labels.Select(x => uniqueLabelList.IndexOf(x)).ToList();
    }

    private NDarray OneHotEncoding(List<int> labels)
    {
      var npLabels = np.array(labels.ToArray()).reshape(-1);
      return Util.ToCategorical(npLabels, num_classes: NumberClasses);
    }

    private void ProcessFile(string path)
    {
      _objs.Add(Utils.Normalize(path));
      ProcessLabel(Path.GetFileName(path));
    }

    private void ProcessLabel(string filename)
    {
      _labels.Add(int.Parse(ExtractClassFromFileName(filename)));
    }

    private string ExtractClassFromFileName(string filename)
    {
      return filename.Split('_')[0].Replace("class", "");
    }

    private void GetTrainValidationData()
    {
      var listIndices = Enumerable.Range(0, _labels.Count).ToList();
      var toValidate = _objs.Count * _validationSplit;
      var random = new Random();
      var xValResult = new List<NDarray>();
      var yValResult = new List<int>();
      var xTrainResult = new List<NDarray>();
      var yTrainResult = new List<int>();

      // Split validation data
      for (var i = 0; i < toValidate; i++)
      {
        var randomIndex = random.Next(0, listIndices.Count);
        var indexVal = listIndices[randomIndex];
        xValResult.Add(_objs[indexVal]);
        yValResult.Add(_labels[indexVal]);
        listIndices.RemoveAt(randomIndex);
      }

      // Split rest (training data)
      listIndices.ForEach(indexVal => 
      { 
        xTrainResult.Add(_objs[indexVal]);
        yTrainResult.Add(_labels[indexVal]);
      });

      TrainY = OneHotEncoding(yTrainResult);
      ValidationY = OneHotEncoding(yValResult);
      TrainX = np.array(xTrainResult);
      ValidationX = np.array(xValResult);
    }
}

下面是每個方法的說明：

LoadDataSet()——類的主方法，我們調用它來加載_pathToFolder中的數據集。它調用下面列出的其他方法來完成此操作。
IsRequiredExtFile(filename) - 檢查給定文件是否包含至少一個應該為該數據集處理的擴展名(在_extList中列出)。
MapToClassRange() -獲取數據集中唯一標簽的列表。
ProcessFile(path) -使用Utils.Normalize方法對圖像進行規(guī)格化，并調用ProcessLabel方法。
ProcessLabel(filename)——將ExtractClassFromFileName方法的結果添加為標簽。
ExtractClassFromFileName(filename) -從圖像的文件名中提取類。
GetTrainValidationData()——將數據集劃分為訓練子數據集和驗證子數據集。

在本系列中，我們將使用https://cvl.tuwien.ac.at/research/cvl-databases/coin-image-dataset/上的硬幣圖像數據集。

要加載數據集，我們可以在控制臺應用程序的主類中包含以下內容:

var numberClasses = 60;
var fileExt = new string[] { ".png" };
var dataSetFilePath = @"C:/Users/arnal/Downloads/coin_dataset";
var dataSet = new PreProcessing.DataSet(dataSetFilePath, fileExt, numberClasses, 0.2);
dataSet.LoadDataSet();

我們的數據現在可以輸入到機器學習模型中。下一篇文章將介紹監(jiān)督機器學習的基礎知識，以及訓練和驗證階段包括哪些內容。它是為沒有AI經驗的讀者準備的。

以上就是c# 預處理識別硬幣的數據集的詳細內容，更多關于c# 識別數據集的資料請關注腳本之家其它相關文章！

您可能感興趣的文章: