質問編集履歴
5
修正
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -16,12 +16,12 @@
|
|
|
16
16
|
|
|
17
17
|
|
|
18
18
|
|
|
19
|
+
下のコードより、ディレクトリ内のcsvファイルを読み取ることはできたとすると、質問が的外れかもしれませんが、train_csvsをネットワークにかけることは可能でしょうか。もとは画像をnumpyで行列に変換していることから、すでに行列で表されたものは、このままネットワークにかけられると考えました。
|
|
20
|
+
|
|
21
|
+
|
|
22
|
+
|
|
19
23
|
#データの読み込み
|
|
20
24
|
|
|
21
|
-
im
|
|
25
|
+
import glob
|
|
22
26
|
|
|
23
|
-
|
|
27
|
+
train_csvs=glob.glob("c:/keraslab/data/train/*.csv")
|
|
24
|
-
|
|
25
|
-
↑
|
|
26
|
-
|
|
27
|
-
これを画像でなくcsvで行いたい。
|
4
変更
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -4,7 +4,7 @@
|
|
|
4
4
|
|
|
5
5
|
|
|
6
6
|
|
|
7
|
-
csvファイルをnumpyで表示させることまでは、出来ています。43枚分csvデータをまとめた
|
|
7
|
+
csvファイルをnumpyで表示させることまでは、出来ています。43枚分csvデータをまとめたディレクトリが現状あり、これを既存ネットワークの訓練画像と置き換えることを目標としています。
|
|
8
8
|
|
|
9
9
|
そのために次に行うべきことが何なのか行き詰っています。
|
|
10
10
|
|
3
変更
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -4,12 +4,24 @@
|
|
|
4
4
|
|
|
5
5
|
|
|
6
6
|
|
|
7
|
-
csvファイルをnumpyで表示させることまでは、出来ています。43枚分
|
|
7
|
+
csvファイルをnumpyで表示させることまでは、出来ています。43枚分csvデータをまとめたファイルが現状あり、これを既存ネットワークの訓練画像と置き換えることを目標としています。
|
|
8
8
|
|
|
9
|
-
そのために次に行うべきこと
|
|
9
|
+
そのために次に行うべきことが何なのか行き詰っています。
|
|
10
10
|
|
|
11
11
|
|
|
12
12
|
|
|
13
|
-
こうすべきだ
|
|
13
|
+
こうすべきだなどご助言いただければ幸いです。
|
|
14
14
|
|
|
15
15
|
甘えたことだとは承知ですが、pythonに関する知識もあまりなくpython,deeplearningに関して基礎から勉強する時間がないため、実践的な方法を模索しておりますので、ご了承ください。
|
|
16
|
+
|
|
17
|
+
|
|
18
|
+
|
|
19
|
+
#データの読み込み
|
|
20
|
+
|
|
21
|
+
imagenoise_train,imagenoise_train_filenames=load_images("c:/keraslab/denoise01/denoise01/train_noise/",IMAGE_SIZE,'Gray')
|
|
22
|
+
|
|
23
|
+
image_train,image_train_filenames=load_images("c:/keraslab/denoise01/denoise01/train/",IMAGE_SIZE,'Gray')
|
|
24
|
+
|
|
25
|
+
↑
|
|
26
|
+
|
|
27
|
+
これを画像でなくcsvで行いたい。
|
2
訂正
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -1,4 +1,4 @@
|
|
|
1
|
-
|
|
1
|
+
csvファイルを画像データのように扱ってノイズ除去のネットワークに組み込むことを検討しています。
|
|
2
2
|
|
|
3
3
|
画像をノイズ除去のネットワークにかける際は、numpyを用いて行列に変換して正規化を行っていることから、csvファイル上の行列(80×65)でも可能と考えております。
|
|
4
4
|
|
1
訂正
test
CHANGED
|
@@ -1 +1 @@
|
|
|
1
|
-
ノイズ除去
|
|
1
|
+
CSVファイルでの画像のノイズ除去
|
test
CHANGED
|
@@ -1,185 +1,15 @@
|
|
|
1
|
-
|
|
1
|
+
そこでcsvファイルを画像データのように扱ってノイズ除去のネットワークに組み込むことを検討しています。
|
|
2
2
|
|
|
3
|
-
そこでcsvファイルを画像データのように扱ってこのコードに組み込むことを検討しています。
|
|
4
|
-
|
|
5
|
-
csvファイル
|
|
3
|
+
画像をノイズ除去のネットワークにかける際は、numpyを用いて行列に変換して正規化を行っていることから、csvファイル上の行列(80×65)でも可能と考えております。
|
|
6
4
|
|
|
7
5
|
|
|
8
6
|
|
|
7
|
+
csvファイルをnumpyで表示させることまでは、出来ています。43枚分のcsvファイルが現状あり、これを既存ネットワークの訓練画像と置き換えることを目標としています。
|
|
8
|
+
|
|
9
|
-
|
|
9
|
+
そのために次に行うべきことは自分では、numpyを用いて表した行列43枚分をデータセットにまとめることと考えています。
|
|
10
10
|
|
|
11
11
|
|
|
12
12
|
|
|
13
|
+
こうすべきだ、またデータセットの作成方法などご助言いただければ幸いです。
|
|
13
14
|
|
|
14
|
-
|
|
15
|
-
#ネットワークの前までのコード
|
|
16
|
-
|
|
17
|
-
import os
|
|
18
|
-
|
|
19
|
-
import cv2
|
|
20
|
-
|
|
21
|
-
import numpy as np
|
|
22
|
-
|
|
23
|
-
|
|
24
|
-
|
|
25
|
-
def load_images(inputpath,imagesize,type_color):
|
|
26
|
-
|
|
27
|
-
imglist =[]
|
|
28
|
-
|
|
29
|
-
|
|
30
|
-
|
|
31
|
-
exclude_prefixes =('_','.')
|
|
32
|
-
|
|
33
|
-
|
|
34
|
-
|
|
35
|
-
for root,dirs,files in os.walk(inputpath):
|
|
36
|
-
|
|
37
|
-
dirs[:] = [dir for dir in dirs if not dir.startswith(exclude_prefixes)]
|
|
38
|
-
|
|
39
|
-
files[:] = [file for file in files if not file.startswith(exclude_prefixes)]
|
|
40
|
-
|
|
41
|
-
for fn in sorted(files):
|
|
42
|
-
|
|
43
|
-
bn,ext =os.path.splitext(fn)
|
|
44
|
-
|
|
45
|
-
if ext not in [".bmp",".BMP",".jpg",".JPG",".jpeg",".JPEG",".png",".PNG"]:
|
|
46
|
-
|
|
47
|
-
continue
|
|
48
|
-
|
|
49
|
-
|
|
50
|
-
|
|
51
|
-
filename = os.path.join(root,fn)
|
|
52
|
-
|
|
53
|
-
|
|
54
|
-
|
|
55
|
-
if type_color =='Color':
|
|
56
|
-
|
|
57
|
-
|
|
58
|
-
|
|
59
|
-
testimage=cv2.imread(filename,cv2.IMREAD_COLOR)
|
|
60
|
-
|
|
61
|
-
height,width = testimage.shape[:2]
|
|
62
|
-
|
|
63
|
-
testimage=cv2.resize(testimage,(imagesize,imagesize),interpolation=cv2.INTER_AREA)
|
|
64
|
-
|
|
65
|
-
testimage=np.asarray(testimage,dtype=np.float64)
|
|
66
|
-
|
|
67
|
-
testimage=testimage[:,:,::-1]
|
|
68
|
-
|
|
69
|
-
|
|
70
|
-
|
|
71
|
-
elif type_color =='Gray':
|
|
72
|
-
|
|
73
|
-
|
|
74
|
-
|
|
75
|
-
testimage=cv2.imread(filename,cv2.IMREAD_GRAYSCALE)
|
|
76
|
-
|
|
77
|
-
height,width = testimage.shape[:2]
|
|
78
|
-
|
|
79
|
-
testimage=cv2.resize(testimage,(imagesize,imagesize),interpolation=cv2.INTER_AREA)
|
|
80
|
-
|
|
81
|
-
testimage=np.asarray(testimage,dtype=np.float64)
|
|
82
|
-
|
|
83
|
-
testimage=np.asarray(testimage,dtype=np.float64).reshape((imagesize,imagesize,1))
|
|
84
|
-
|
|
85
|
-
|
|
86
|
-
|
|
87
|
-
imglist.append(testimage)
|
|
88
|
-
|
|
89
|
-
imgsdata= np.asarray(imglist,dtype=np.float32)
|
|
90
|
-
|
|
91
|
-
|
|
92
|
-
|
|
93
|
-
return imgsdata, sorted(files)
|
|
94
|
-
|
|
95
|
-
|
|
96
|
-
|
|
97
|
-
def generate_noise(imagelist):
|
|
98
|
-
|
|
99
|
-
imagelist_out=[]
|
|
100
|
-
|
|
101
|
-
|
|
102
|
-
|
|
103
|
-
for i in range(0,len(imagelist)):
|
|
104
|
-
|
|
105
|
-
|
|
15
|
+
甘えたことだとは承知ですが、pythonに関する知識もあまりなくpython,deeplearningに関して基礎から勉強する時間がないため、実践的な方法を模索しておりますので、ご了承ください。
|
|
106
|
-
|
|
107
|
-
image_temp =np.clip(image_temp,0,255)
|
|
108
|
-
|
|
109
|
-
imagelist_out.append(image_temp)
|
|
110
|
-
|
|
111
|
-
imgsdata=np.asarray(imagelist_out,dtype=np.float32)
|
|
112
|
-
|
|
113
|
-
|
|
114
|
-
|
|
115
|
-
return imgsdata
|
|
116
|
-
|
|
117
|
-
|
|
118
|
-
|
|
119
|
-
def save_images(savepath,filenamelist,imagelist):
|
|
120
|
-
|
|
121
|
-
for i, fn in enumerate(filenamelist):
|
|
122
|
-
|
|
123
|
-
filename =os.path.join(savepath,fn)
|
|
124
|
-
|
|
125
|
-
testimage =imagelist[i]
|
|
126
|
-
|
|
127
|
-
testimage =testimage[:,:,::-1]
|
|
128
|
-
|
|
129
|
-
cv2.imwrite(filename,testimage)
|
|
130
|
-
|
|
131
|
-
|
|
132
|
-
|
|
133
|
-
|
|
134
|
-
|
|
135
|
-
image_train,image_train_filenames =load_images("c:/keraslab/denoise01/denoise01/train/",256,'Gray')
|
|
136
|
-
|
|
137
|
-
image_test,image_test_filenames =load_images("c:/keraslab/denoise01/denoise01/test/",256,'Gray')
|
|
138
|
-
|
|
139
|
-
|
|
140
|
-
|
|
141
|
-
|
|
142
|
-
|
|
143
|
-
image_train =generate_noise(image_train)
|
|
144
|
-
|
|
145
|
-
image_test =generate_noise(image_test)
|
|
146
|
-
|
|
147
|
-
|
|
148
|
-
|
|
149
|
-
|
|
150
|
-
|
|
151
|
-
save_images("c:/keraslab/denoise01/denoise01/train_noise/",image_train_filenames,image_train)
|
|
152
|
-
|
|
153
|
-
save_images("c:/keraslab/denoise01/denoise01/test_noise/",image_test_filenames,image_test)
|
|
154
|
-
|
|
155
|
-
|
|
156
|
-
|
|
157
|
-
IMAGE_SIZE=256
|
|
158
|
-
|
|
159
|
-
|
|
160
|
-
|
|
161
|
-
|
|
162
|
-
|
|
163
|
-
imagenoise_train,imagenoise_train_filenames =load_images("c:/keraslab/denoise01/denoise01/train_noise/",IMAGE_SIZE,'Gray')
|
|
164
|
-
|
|
165
|
-
image_train,image_train_filenames=load_images("c:/keraslab/denoise01/denoise01/train/",IMAGE_SIZE,'Gray')
|
|
166
|
-
|
|
167
|
-
|
|
168
|
-
|
|
169
|
-
|
|
170
|
-
|
|
171
|
-
imagenoise_test,imagenoise_test_filenames =load_images("c:/keraslab/denoise01/denoise01/test_noise/",IMAGE_SIZE,'Gray')
|
|
172
|
-
|
|
173
|
-
image_test,image_test_filenames=load_images("c:/keraslab/denoise01/denoise01/test/",IMAGE_SIZE,'Gray')
|
|
174
|
-
|
|
175
|
-
|
|
176
|
-
|
|
177
|
-
|
|
178
|
-
|
|
179
|
-
imagenoise_train/=255.0
|
|
180
|
-
|
|
181
|
-
image_train/=255.0
|
|
182
|
-
|
|
183
|
-
imagenoise_test/=255.0
|
|
184
|
-
|
|
185
|
-
image_test/=255.0
|