如何从大量图像数据集中选择特定图像?

我的数据集有366个文件夹,意味着每个文件夹代表一年中的一天,每个文件夹包含51到55张图片,我只需要其中的36张图片来构建神经网络。所以我可以为这些图片分配一些索引,然后根据它们的索引进行选择吗?有人能建议我相关的代码吗?

我的数据集中的文件夹

文件夹内的图片


回答:

列表中的每个元素都有自己的编号/索引 – 所以首先你可以创建包含所有文件名的列表。

你可以使用 os.listdir() 来获取所有文件夹,然后对每个文件夹使用 os.listdir(folder) 来获取文件夹中的文件名列表。

这样你就有了包含所有文件名(带完整路径)的二维列表,你可以从中选择文件。

某一天的前36张图片

selected = all_filenames[day_index][:36]

每一天的前36张图片

selected = []for day in all_filenames:    selected.append( day[:36] )

每一天的随机36张图片

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注