计算机视觉 模块1：绪论 智能图像基准数据集.docxVIP

智能图像处理 PAGE 3 数据集制作 1.实验准备 1.1 实验概述 本实验主要掌握在用Python语言的情况下，实现TFRecord数据集的制作：读取、显示。 2.1 实验建议 了解Python的基本用法和TensorFlow概念。 3.1 实验目的 制作自己的数据集 实验的环境：Ubuntu18.04 2.实验步骤 2.1 解压完整代码块 将案例代码01数据集制作.rar 压缩包解压，得到project_1文件夹，文件夹内包含1个文件夹（flower）和1个文件（flower_process.py），如图1所示。 图1 文件列表 2.2 读取数据 2.2.1 读取项目 打开文件夹 Open file：project_1文件夹 2.2.2 加载数据 在flower文件夹内存放了2个文件夹，各包含10张图片，结果如图2所示。 图2 数据展示 3.算法导学 打开flower_processes.py文件，可以看到每个需要完成函数的名字及相应解释。 3.1 TFRecordWriter 要生成的文件： writer= tf.python_io.TFRecordWriter(flower_train.tfrecords) 3.2 tobytes 将图片转化为二进制格式： img_raw=img.tobytes() 3.3 SerializeToString 序列化为字符串： writer.write(example.SerializeToString()) 3.4 train.string_input_produce 生成一个queue队列： filename_queue = tf.train.string_input_producer([filename]) 3.5 reshape 128*128的3通道图片： img = tf.reshape(img, [128, 128, 3]) 3.6 tf.cast 在流中抛出label张量 3.7 train.string_input_producer 读入流中 filename_queue = tf.train.string_input_producer([flower_train.tfrecords]) 4.完整运行 完整执行，结果如图3所示。 run flower_processes.py 图3 数据展示