質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.11%

pythonによる自前のデータセットの保存方法

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 84

maguro2020

score 11

前提・実現したいこと

自分で作成したデータセットを用いてmetric learningを用いた異常検知を行いたいと考えております。

発生している問題・検討していること

オリジナルの画像からデータセットを作成する方法
上記のサイト様を参考に自前のデータセットの作成を行っておりました。おそらくではありますが、なんとか自力でエラーが発生せずにコードの実行することができました。しかし、いまいちデータセットというものがピンと来ておらず、このまま.pyで保存(保存例:MyDataSet.py)をすれば、mnistデータセットのように扱えると考えてよろしいのでしょうか?(もちろん自分の作成したデータセットの質はmnistデータセットよりもずっと落ちると考えております。)

コード

import matplotlib.pyplot as plt
import os
import cv2
import random
import numpy as np

DATADIR = "/Users/user name/desktop/Mydataset/png"
CATEGORIES = ["bell", "call"]
training_data = []
def create_training_data():
    for class_num, category in enumerate(CATEGORIES):
        path = os.path.join(DATADIR, category)
        for image_name in os.listdir(path):
            try:
                img_array = cv2.imread(os.path.join(path, image_name),)  # 画像読み込み
                img_resize_array = cv2.resize(img_array, (394, 248))  # 画像のリサイズ
                training_data.append([img_resize_array, class_num])  # 画像データ、ラベル情報を追加
            except Exception as e:
                pass
create_training_data()
random.shuffle(training_data)  # データをシャッフル
X_train = []  # 画像データ
y_train = []  # ラベル情報
# データセット作成
for feature, label in training_data:
    X_train.append(feature)
    y_train.append(label)
# numpy配列に変換
X_train = np.array(X_train)
y_train = np.array(y_train)

# データセットの確認
for i in range(0, 4):
    print("学習データのラベル:", y_train[i])
    plt.subplot(2, 2, i+1)
    plt.axis('off')
    plt.title(label = 'bell' if y_train[i] == 0 else 'call')
    img_array = cv2.cvtColor(X_train[i], cv2.COLOR_BGR2RGB)
    plt.imshow(img_array)
plt.show()

試していること

美女を見分けられない機械はただの機械だ:Pythonによる機械学習用データセット生成
現在、上記のサイト様を参考に調査を行っております。途中の文章で、

from MyDataSet import beautiful_women


とあるので、おそらくですが上記のサイト様はMyDataSetというカレントディレクトリに「beautiful_women.py」とデータセットを作成しているのではないかと考えております。機械学習に詳しい方からすれば、とても初歩的な質問かもしれませんがどうかご助言いただけるとありがたいです。

補足

使っているPCはmacOS Catalina バージョン10.15.5
Pythonのバージョンは3.6.5です

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

>「beautiful_women.py」とデータセットを作成している

おおむねその理解であっていると思います。

より正確に表現するならば、

ある一時点における画像データ集合から生成したデータセットをバイト列のファイルにして保存する代わりに、

任意のタイミングで「beautiful_women.py」というスクリプト(プログラム)を実行して、その時点の画像データから(いわば最新の)データセットをその都度作成している、ということになります。

ただし記事にもあるようにこのやり方は計算コストがかかるので、pickle等を利用して計算結果を保存した方が後で計算を繰り返すときに早いです。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/06/30 02:51

    ご回答いただきありがとうございます。taizan205様。
    taizan205様の丁寧な説明のおかげで、なんとなくではありますがデータセットというもののイメージを掴むことができました。夜遅くにもかかわらず迅速に対応していただきありがとうございました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.11%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる