巧用Python創(chuàng)建個(gè)性化數(shù)據(jù)集

摘要：本文介紹了中小學(xué)學(xué)校環(huán)境下，人工智能模型訓(xùn)練所需的個(gè)性化圖像數(shù)據(jù)集的設(shè)計(jì)、收集、制作等過程，其中的關(guān)鍵技術(shù)是運(yùn)用Python語言編程，對大批量的圖像進(jìn)行分割、重命名、分類保存等批處理操作，快速高效地生成個(gè)性化的數(shù)據(jù)集。

關(guān)鍵詞：個(gè)性化數(shù)據(jù)集;Python;圖像分割;批處理;人工智能

中圖分類號：G434 ?文獻(xiàn)標(biāo)識碼：A ?論文編號：1674-2117（2022）13-0070-03

人工智能的智能識別算法往往取決于人工智能模型的訓(xùn)練，而數(shù)據(jù)集則是人工智能模型訓(xùn)練的基礎(chǔ)。縱觀網(wǎng)絡(luò)資源，雖有著海量的資源網(wǎng)站，卻難以找到符合項(xiàng)目的數(shù)據(jù)集，更別提能滿足個(gè)性化的人工智能模型訓(xùn)練的需求了。因此，本文將以電路、天氣、表情等圖標(biāo)為例，對中小學(xué)校園中個(gè)性化數(shù)據(jù)集創(chuàng)建展開討論。

● 問題提出

由于校園中人工智能項(xiàng)目，需要?jiǎng)?chuàng)建一系列的人工智能圖像識別模型來實(shí)現(xiàn)簡單的電路、天氣、表情等圖標(biāo)的識別功能，而在強(qiáng)大的網(wǎng)絡(luò)中并沒有現(xiàn)成的電路、天氣、表情等圖標(biāo)的數(shù)據(jù)集，因此如何動(dòng)手創(chuàng)建數(shù)據(jù)集成了項(xiàng)目開展的關(guān)鍵。

● 思考、分析與設(shè)計(jì)

用于人工智能模型訓(xùn)練的數(shù)據(jù)集需要滿足一定的數(shù)量，因?yàn)橛袑W(xué)生的助力，中小學(xué)中數(shù)據(jù)集的制作非常容易實(shí)現(xiàn)，其關(guān)鍵的三個(gè)環(huán)節(jié)分別是：①獲得紙質(zhì)數(shù)據(jù)集原始圖像，轉(zhuǎn)為數(shù)字原始圖像;②從數(shù)字原始圖像中分割得到電路、天氣等圖標(biāo);③按圖標(biāo)分類保存圖標(biāo)。其中，環(huán)節(jié)②和環(huán)節(jié)③可通過編寫程序批量處理實(shí)現(xiàn)。

1.數(shù)據(jù)集收集表的分析與設(shè)計(jì)

本文中涉及的數(shù)據(jù)集包含電路、天氣、表情和植物4種圖像數(shù)據(jù)，其中每種圖像數(shù)據(jù)中又有4個(gè)小分類，具體如表1所示。

為了保證學(xué)生繪制圖標(biāo)和后期圖像批量處理的質(zhì)量，需要進(jìn)行范例圖標(biāo)的設(shè)計(jì)和手繪區(qū)域的設(shè)計(jì)。在Word空白文檔中，插入一張表格，參數(shù)如表2所示。在數(shù)據(jù)集收集表文檔中增加提示性文字和范例圖標(biāo)（如下頁圖1）。

2.圖像處理的算法分析

如下頁圖2所示，手繪圖標(biāo)分別位于區(qū)域1至區(qū)域16的位置，批量分割區(qū)域1至16并分類存放，是圖像處理算法的核心。鑒于Python語言語法簡單、圖像處理庫豐富的特點(diǎn)，本案例采用Python中的pillow庫編程實(shí)現(xiàn)圖像批量分割、分類處理。

圖像的分割裁剪，需知待分割區(qū)域的左上角和右下角點(diǎn)的坐標(biāo)，如分割區(qū)域1需知點(diǎn)A1和A7的坐標(biāo)。

以A0為原點(diǎn)（0，0）建立平面直角坐標(biāo)系，如圖3所示。

由于每個(gè)單元格的寬度、高度大小統(tǒng)一，因此A1至A40點(diǎn)的坐標(biāo)數(shù)值間的關(guān)系如下：

（w為表格寬度;h為表格高度）

裁剪數(shù)字原始圖像，僅留表格部分，w、h分別為新圖像的寬度、高度。因此，圖像分割分類前需進(jìn)行預(yù)處理：裁剪圖像，僅留表格區(qū)域。

● 核心代碼

根據(jù)以上分析，圖像處理一共分為以下幾步：①圖像預(yù)處理，得到表格寬度w、高度h數(shù)據(jù);②計(jì)算區(qū)域坐標(biāo);③分割圖像，分類存儲。

1.圖像預(yù)處理核心代碼（如下頁圖4）

2.計(jì)算區(qū)域坐標(biāo)核心代碼

定義imageCutXY函數(shù)，獲取待分割區(qū)域坐標(biāo)，代碼如下頁圖5所示。

3.圖像分割、分類核心代碼

在imageCut函數(shù)代碼基礎(chǔ)上，增加圖像分類代碼，圖像分類的命名如表3所示。

因篇幅有限，僅展示1個(gè)大類的圖片分類保存的核心代碼，如下頁圖6所示。

圖像分割批處理的主程序代碼如下頁圖7所示。

● 數(shù)據(jù)集制作

有了前期的準(zhǔn)備工作，后期只需要進(jìn)行以下幾個(gè)簡單步驟就能得到想要的數(shù)據(jù)集了：

①打印數(shù)據(jù)集收集表，并請學(xué)生完成手動(dòng)圖標(biāo)的繪制;②收集紙質(zhì)數(shù)據(jù)集收集表，并掃描得到JPG格式的數(shù)字圖像;③運(yùn)行圖像預(yù)處理程序，得到預(yù)處理的圖像文件;④運(yùn)行圖像處理程序，得到電路、天氣、表情等圖標(biāo)的數(shù)據(jù)集（如下頁圖8）。

● 結(jié)語

在數(shù)據(jù)集制作的過程中，Python簡潔的語言和強(qiáng)大的圖像處理庫，大大減少了大量圖像分割、分類、命名等煩瑣重復(fù)的工作，讓枯燥的制作過程變得簡單而快速。除了pillow庫，Python還有很多其他功能強(qiáng)大的圖像處理庫，如OpenCV等。

在制作過程中也遇到了一些問題，在此做兩點(diǎn)交流分享。

問題1：數(shù)據(jù)集收集表的印刷。雖然數(shù)量需求較多，但仍然建議采用“打印”而非“速印”的方式印刷。究其原因是，“速印”會(huì)造成印刷內(nèi)容位置偏移、大小變化，影響圖像后期的批量處理。

問題2：紙質(zhì)數(shù)據(jù)集收集表的掃描。在采用掃描儀批量掃描時(shí)，確保：①紙質(zhì)收集表的整齊;②掃描儀托盤夾的位置調(diào)整，保證稿件掃描過程中位置偏移最小化。

參考文獻(xiàn)：

[1]王媛媛，卜凡亮.基于Python的數(shù)字圖像處理簡單應(yīng)用[J].電子技術(shù)與軟件工程，2022（03）：129-132.

[2]雷霖，范烊，趙永鑫.一種基于圖的圖像分割法及Python實(shí)現(xiàn)[J].內(nèi)江科技，2020（07）：34.

[3]李志，陳入云.Python在數(shù)字圖像處理課程教學(xué)中的應(yīng)用探索[J].創(chuàng)新創(chuàng)業(yè)理論研究與實(shí)踐，2022（10）：11-13.