Question

我想知道Pytorch的{{3}}库

数据扩充应该在火车数据集中还是在测试数据集中？
我至少应将几张图像放入测试数据集中（我已经使用了测试数据集中2％的图像）
我有21个班级（21人脸），并且具有（vggface2数据集）带有评估模式，这足以用于训练和测试数据集吗？
如何可视化测试数据集中的图像以显示面部是否匹配我试过了，但是会出现这个错误：

TypeError：图像数据的形状无效（3、160、160）

图像的形状为：（10，3，160，160）

dataiter = iter(test_loader)
images, labels = dataiter.next()
# get predictions
preds = np.squeeze(net(images).data.max(1, keepdim=True)[1].numpy())
images = images.numpy()

# plot the images in the batch, along with predicted and true labels
fig = plt.figure(figsize=(25, 4))
for idx in np.arange(batch_size):
    ax = fig.add_subplot(2, batch_size/2, idx+1, xticks=[], yticks=[])
    ax.imshow(np.squeeze(images[idx]), cmap='gray')
    ax.set_title("{} ({})".format(classes[preds[idx]], classes[labels[idx]]),
             color=("green" if preds[idx]==labels[idx] else "red"))

检测到面部后如何从网络摄像机获取输入面部（预测功能）？

cap = cv.VideoCapture(0)
while True:
    ret, frame = cap.read()
    frame = cv.resize(frame, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)
    image = predict_draw_bounding_box(frame)
    cv.imshow('Output', image)
    c = cv.waitKey(1)
    if c == 27:
        break
cap.release()
cv.destroyAllWindows()

但是我不知道要实现predict_draw_bounding_box函数吗？

谢谢您的建议

Answer 1

有很多问题；您可能应该将这些问题分解为多个问题。无论如何，我都会尝试回答一些。

数据扩充通常应在火车数据集上进行只要。典型的扩充包括随机轮播，调整大小的农作物，水平翻转，抠图等。所有这些仅在火车上进行。

除此之外，我只能想起频道归一化是您通常同时应用于两者的唯一增强培训和测试集。您按通道计算x-x_mean/sigma 用于数据集中的所有图像。
测试数据集中图像的百分比完全是经验值，取决于您实际拥有的图像数量。对于具有百万张图像的超大型数据集，可以使用2％之类的小百分比。但是，如果您的图像数量在上万，上千甚至更少，那么最好将测试集保持在20％左右。
无法理解您的问题。
您的图像的形状为（3，160，160）。这是pytorch的nn.Module系统使用的通道优先语法，但是在matplotlib中绘制RGB图像要求通道具有最后一个维度，即（160,160,3）。如果images是一批形状为（10,3,160,160）的图像，请执行以下操作：
```
...
images = images.numpy()
images = images.swapaxes(1,2).swapaxes(2,3)
...
```
这会将其重塑为（10,160,160,3），而不会损害轴的顺序。
不知道。

Pytorch中的图像分类

1 个答案: