PyTorchで画像を扱う

PyTorchによる中級ディープラーニング

Michal Oleszak

Machine Learning Engineer

雲データセット

雲データセットのサンプル: 5種類の雲画像。

¹ https://www.kaggle.com/competitions/cloud-type-classification2/data

画像とは

雲画像の一部を拡大し、ピクセルが見える図。

画像はピクセル（picture elements）で構成
各ピクセルは色情報を持つ
グレースケール: 0〜255 の整数
- 30:

灰色のボックス

カラー: 各色チャネル（Red, Green, Blue）に対する3つの整数
- RGB = (52, 171, 235):

青色のボックス

PyTorchへの画像読み込み

望ましいディレクトリ構成:

clouds_train

  - cumulus

    - 75cbf18.jpg
    - ...

  - cumulonimbus
  - ...

clouds_test

  - cumulus
  - cumulonimbus
  - ...

ルートフォルダ: clouds_train と clouds_test
各ルート内: クラスごとに1フォルダ
各クラス内: 画像ファイル

PyTorchへの画像読み込み

from torchvision.datasets import ImageFolder
from torchvision import transforms


train_transforms = transforms.Compose([
    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])


dataset_train = ImageFolder(
    "data/clouds_train",
    transform=train_transforms,
)

変換を定義:
- Tensorに変換
- 128×128にリサイズ
データセットを作成:
- データのパス
- 定義済みの変換

画像の表示

dataloader_train = DataLoader(
    dataset_train, 
    shuffle=True, 
    batch_size=1,
)

image, label = next(iter(dataloader_train))
print(image.shape)

torch.Size([1, 3, 128, 128])

image = image.squeeze().permute(1, 2, 0)
print(image.shape)

torch.Size([128, 128, 3])

import matplotlib.pyplot as plt
plt.imshow(image)
plt.show()

plt.showの出力（雲の画像）

データ拡張

train_transforms = transforms.Compose([

    transforms.RandomHorizontalFlip(),
    transforms.RandomRotation(45),

    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])


dataset_train = ImageFolder(
    "data/clouds/train",
    transform=train_transforms,
)

データ拡張: 元画像にランダム変換を適用してデータを増やす

訓練データの規模と多様性を拡大
モデルのロバスト性を向上
過学習を軽減

回転変換を示す3枚の雲画像

Passons à la pratique !

PyTorchによる中級ディープラーニング