c# 預(yù)處理識別硬幣的數(shù)據(jù)集

更新時間：2020年12月23日 08:46:22 作者：碼農(nóng)譯站

這篇文章主要介紹了c# 預(yù)處理識別硬幣的數(shù)據(jù)集的方法，幫助大家更好的利用c#進行深度學(xué)習(xí)，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(xué)習(xí)模型中的數(shù)據(jù)集進行預(yù)處理。

這里我們將對一個硬幣數(shù)據(jù)集進行預(yù)處理，以便以后在監(jiān)督學(xué)習(xí)模型中進行訓(xùn)練。在機器學(xué)習(xí)中預(yù)處理數(shù)據(jù)集通常涉及以下任務(wù):

清理數(shù)據(jù)——通過對周圍數(shù)據(jù)的平均值或使用其他策略來填補數(shù)據(jù)缺失或損壞造成的漏洞。
規(guī)范數(shù)據(jù)——將數(shù)據(jù)縮放值標(biāo)準(zhǔn)化到一個標(biāo)準(zhǔn)范圍，通常是0到1。具有廣泛值范圍的數(shù)據(jù)可能會導(dǎo)致不規(guī)范，因此我們將所有數(shù)據(jù)都放在一個公共范圍內(nèi)。
一種熱編碼標(biāo)簽——將數(shù)據(jù)集中對象的標(biāo)簽或類編碼為N維二進制向量，其中N是類的總數(shù)。數(shù)組元素都被設(shè)置為0，除了與對象的類相對應(yīng)的元素，它被設(shè)置為1。這意味著在每個數(shù)組中都有一個值為1的元素。
將輸入數(shù)據(jù)集分為訓(xùn)練集和驗證集——訓(xùn)練集被用于訓(xùn)練模型，驗證集是用于檢查我們的訓(xùn)練結(jié)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(xiàn)我們的數(shù)據(jù)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(diào)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(biāo)準(zhǔn)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(yīng)用程序使用的許多常量。另一個類DataSet，表示我們將要用來訓(xùn)練機器學(xué)習(xí)模型的數(shù)據(jù)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(biāo)簽或類。
_objs -圖像本身，表示為Numpy.NDarray。
_validationSplit—用于將總圖像數(shù)劃分為驗證集和訓(xùn)練集的百分比，在本例中，百分比將定義驗證集與總圖像數(shù)之間的大小。
NumberClasses-數(shù)據(jù)集中唯一類的總數(shù)。
TrainX -訓(xùn)練數(shù)據(jù)，表示為Numpy.NDarray。
TrainY -訓(xùn)練標(biāo)簽，表示為Numpy.NDarray。
ValidationX—驗證數(shù)據(jù)，表示為Numpy.NDarray。
ValidationY-驗證標(biāo)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(diào)用它來加載_pathToFolder中的數(shù)據(jù)集。它調(diào)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(yīng)該為該數(shù)據(jù)集處理的擴展名(在_extList中列出)。
MapToClassRange() -獲取數(shù)據(jù)集中唯一標(biāo)簽的列表。
ProcessFile(path) -使用Utils.Normalize方法對圖像進行規(guī)格化，并調(diào)用ProcessLabel方法。
ProcessLabel(filename)——將ExtractClassFromFileName方法的結(jié)果添加為標(biāo)簽。
ExtractClassFromFileName(filename) -從圖像的文件名中提取類。
GetTrainValidationData()——將數(shù)據(jù)集劃分為訓(xùn)練子數(shù)據(jù)集和驗證子數(shù)據(jù)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(shù)據(jù)集。

要加載數(shù)據(jù)集，我們可以在控制臺應(yīng)用程序的主類中包含以下內(nèi)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(shù)據(jù)現(xiàn)在可以輸入到機器學(xué)習(xí)模型中。下一篇文章將介紹監(jiān)督機器學(xué)習(xí)的基礎(chǔ)知識，以及訓(xùn)練和驗證階段包括哪些內(nèi)容。它是為沒有AI經(jīng)驗的讀者準(zhǔn)備的。

以上就是c# 預(yù)處理識別硬幣的數(shù)據(jù)集的詳細(xì)內(nèi)容，更多關(guān)于c# 識別數(shù)據(jù)集的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: