北京网站设计制作飞沐,闸北区网站设计与制,wordpress-akina,贵州企业网站建设价格数据集
我们所使用的数据集是胸部 X 光图像，它包含 2 个类别：肺炎和正常。该数据集由 Paulo Breviglieri 发布，是 Paul Mooney 最受欢迎数据集的修订版，此更新版本的数据集在验证集和测试集中的图像分布更加均衡。数据集分为 3 个文件夹（训练、测试、验证），包含肺炎和正…数据集
我们所使用的数据集是胸部 X 光图像，它包含 2 个类别：肺炎和正常。该数据集由 Paulo Breviglieri 发布，是 Paul Mooney 最受欢迎数据集的修订版，此更新版本的数据集在验证集和测试集中的图像分布更加均衡。数据集分为 3 个文件夹（训练、测试、验证），包含肺炎和正常的子文件夹。
总数（图像）：5,856例 训练观察：4,192（1,082 个正常病例，3,110 个肺部不透明病例） 验证观察：1,040（267 个正常病例，773 个肺部不透明病例） 测试观察：624（234 个正常病例，390 个肺部不透明病例）
首先，我们使用 Kaggle API 直接从 Kaggle 中提取数据集。为此，我们需要创建一个 API 令牌，该令牌位于 Kaggle API 选项卡下。单击“创建新 API 令牌”，将下载一个 json 文件，运行以下几行代码来安装所需的库并上传 json 文件。
! pip install -q kaggle
from google.colab import files
files.upload()
! mkdir ~/.kaggle
! cp kaggle.json ~/.kaggle/
! chmod 600 ~/.kaggle/kaggle.json当提示“选择文件”时，上传下载好的 json 文件，运行下一行代码即可下载数据集。如果想获取数据集 API 命令来下载数据集，单击 Kaggle 数据集页面数据部分中的 3 个点，然后单击“复制 API 命令”。
! kaggle datasets download -d pcbreviglieri/pneumonia-xray-images由于我使用 Google Colab 来运行此项目，因此数据集 zip 文件会下载到示例数据文件夹。现在，通过运行下一行代码，我们使用 zipfile 库将文件夹和文件解压缩到所需的目标文件夹。
import zipfile
zf = "/content/pneumonia-xray-images.zip"
target_dir = "/content/dataset/cnn/pneumonia_revamped"
zfile = zipfile.ZipFile(zf)
zfile.extractall(target_dir)初始化
下载好的数据目录如下图所示：
content └───dataset └───cnn └───pneumonia_revamped ├───test │ ├───Normal │ │ ├───image1.jpg │ │ └───image2.jpg │ └───Opacity │ ├───image1.jpg │ └───image2.jpg ├───train │ ├───Normal │ │ ├───image1.jpg │ │ └───image2.jpg │ └───Opacity │ ├───image1.jpg │ └───image2.jpg └───val ├───Normal │ ├───image1.jpg │ └───image2.jpg └───Opacity ├───image1.jpg └───image2.jpg
在这部分代码中，我们定义目录路径，导入一些必要的库，并定义一些后面会用到的常用常量参数：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd train_path = '/content/dataset/cnn/pneumonia_revamped/train'
test_path = '/content/dataset/cnn/pneumonia_revamped/test'
valid_path = '/content/dataset/cnn/pneumonia_revamped/val'#小图像更大的batch_size是理想选择
batch_size = 16
img_width = 500准备数据
数据增强
图像增强通过创建现有训练集图像的修改版本来扩展数据集的大小，这有助于增加数据集的变化并最终提高模型预测新图像的能力。
from tensorflow.keras.preprocessing.image import ImageDataGenerator
# Create Image Data Generator for Train Set
image_gen = ImageDataGenerator(rescale = 1./255,shear_range = 0.2,zoom_range = 0.2,horizontal_flip = True, )
# Create Image Data Generator for Test/Validation Set
test_data_gen = ImageDataGenerator(rescale = 1./255)使用 tensorflow.keras.preprocessing.image 库，对于训练集，我们创建了一个生成器，它将定义的参数随机应用于训练集；对于测试集和验证集，我们只需重新进行缩放。
如下方法，参考上述代码定义一些图像数据生成器参数：
rescale： 每个数字图像由一个值在 0 到 255 之间的像素创建。0 表示黑色，255 表示白色，因此，将原始图像像素值的比例数组重新缩放到 [0,1] 之间，这使图像对整体损失的贡献更均衡。否则，像素范围越高的图像损失越大，应使用较低的学习率，像素范围越低的图像需要更高的学习率。
shear_range ： 固定一个轴并以一定的角度（称为剪切角度）拉伸图像
zoom_range ： 图像放大小于 1.0，图像缩小1.0 倍以上
horizontal_flip ： 随机水平翻转
vertical_flip ： 随机垂直翻转
rotaion_range ： 随机旋转一定角度，范围为 0 到 180
width_shift_range ： 水平移动
height_shift_range：垂直移动
brightness_range ： 亮度 0.0 对应完全没有亮度，1.0 对应最大亮度
fill_mode ：将图像的缺失值填充为最接近的值
将这些转换技术随机应用于图像（除了缩放以外）。
另外请参考： https://github.com/aleju/imgaug https://github.com/Fafa-DL/Image-Augmentation
https://github.com/albumentations-team/albumentations
https://github.com/z-bingo/awesome-image-denoising-state-of-the-art
加载数据
图像数据生成器有一个称为“目录迭代器”的类，用于从包含图像的文件夹中读取图像，返回 DirectoryIterator 类型 tensorflow.python.keras.preprocessing.image.DirectoryIterator。
train = image_gen.flow_from_directory(train_path,target_size=(img_height, img_width),color_mode='grayscale',class_mode='binary',batch_size=batch_size)
test = test_data_gen.flow_from_directory(test_path,target_size=(img_height, img_width),color_mode='grayscale',shuffle=False, #注意这里的数据顺序class_mode='binary',batch_size=batch_size)
valid = test_data_gen.flow_from_directory(valid_path,target_size=(img_height, img_width),color_mode='grayscale',class_mode='binary', batch_size=batch_size)
Found 4192 images belonging to 2 classes.
Found 624 images belonging to 2 classes.
Found 1040 images belonging to 2 classes.一些参数定义如下：
directory： 使用的第一个参数是定义的训练、测试和验证文件夹的路径；
target_size ： 目标大小是输入图像的大小，每个图像都将调整为此大小（500 x 500）；
color_mode：
如果图像是黑白或灰度，则设置为“灰度”，或者图像有三个颜色通道设置为“rgb”。这里使用灰度，因为它是 X 射线图像；
batch_size： 生成器按批次生成的图像数量。我们之前将批次大小定义为 16。我们选择 16 是因为图像太大，RAM无法进行处理，如果你所使用的显卡是3090/4090 24G；
class_mode ： 如果只有两个类别需要预测，则设置为“binary”，如果没有设置为“categorical”，如果是一个自动编码器系统，输入和输出都可能是相同的图像，这种情况下设置为“input”。我们这里将其设置binary；
数据增强后读取一些训练集看看：
plt.figure(figsize=(12, 12))
for i in range(0, 10):plt.subplot(2, 5, i+1)for X_batch, Y_batch
