Question

我最近实现了CNN（使用Tensorflow Python API），并使用MNIST数据集对其进行了测试。

现在我想用更大的图像（比如100x100p像素）测试它。

为此，我使用scikit-learn.feature_extraction.image.extract_patches_2d这样只是为了获得N（此处等于10）图像：

from sklearn.feature_extraction import image
import numpy as np
from PIL import Image

HowManyPatches = 10

img = Image.open('./bulldog.jpeg')
imgarray = np.array(img)

patches = image.extract_patches_2d(imgarray, (100, 100), HowManyPatches)

for i in range(HowManyPatches):
    imgpatch = Image.fromarray(patches[i], 'RGB')
    name = 'patch_' + str(i) + '.jpeg'
    imgpatch.save(name)

所以现在我想在我得到的每一个补丁上放一个（随机的，因为它只是为了测试训练时间）标签。

我注意到MNIST数据集是从这种文件中提取的：t10k-images.idx3-ubyte，它们似乎是一种未知类型。所以我想知道，一旦我成功地在我的图像上贴上标签，我可以创建这种文件吗？

总结两个主要问题是：如何在我的图像上贴上标签？如何获得我可以使用的数据集，如MNIST数据集？或者可能有一种更简单的方法来创建与MNIST数据集不同的数据集？

谢谢大家！

Answer 1

如果您只想测试培训时间而不关心实际分类，可以使用：

x_pattern = np.array([[1 for i in range(100)] for i in range(100)])
x_train = np.array([x_pattern for i in range(100)])
y_train = np.array([1 if i % 2 == 0 else 2 for i in range(100)])

这将为您提供100个所有白色100x100图像和交替标记为1,0的样本。

如果您已经有100x100补丁，则可以在上面的y_train行中设置范围，使其等于您拥有的补丁数量。

如何创建一个小数据集来测试我的CNN？

1 个答案: