Générez automatiquement des images de koala et d'ours
L'apprentissage automatique, en particulier l'apprentissage profond, utilise souvent la classification d'images comme sujet. Cependant, le matériel utilisé semble corrigé, j'ai donc écrit un script pour générer automatiquement un grand nombre d'images de koala et d'ours afin de fournir du nouveau matériel.
Ci-dessous le code.
from PIL import Image, ImageDraw
from IPython.display import HTML
import random
def koala_or_bear(bear=False, rotate=False, resize=False, gray=True, black=True, others=False):
r = random.randint(100, 255)
g = random.randint(100, 255)
b = random.randint(100, 255)
if gray:
r = g = b
im = Image.new('RGB', (500, 500), (r, g, b))
draw = ImageDraw.Draw(im)
if others:
for i in range(100):
r = random.randint(100, 255)
g = random.randint(100, 255)
b = random.randint(100, 255)
if gray:
r = g = b
x1 = random.randint(0, 500)
y1 = random.randint(0, 500)
x2 = random.randint(0, 500)
y2 = random.randint(0, 500)
draw.ellipse((x1, x2, y1, y2), fill=(r, g, b))
r = random.randint(0, 200)
g = random.randint(0, 200)
b = random.randint(0, 200)
if black:
r = g = b = 1
dx1 = random.randint(-10, 0)
dx2 = random.randint(0, 10)
dy1 = random.randint(-10, 0)
dy2 = random.randint(0, 10)
if bear:
draw.ellipse((200 + dx1, 200 + dy1, 300 + dx2, 300 + dy2), fill=(r, g, b))
else:
draw.ellipse((210 + dx1, 210 + dy1, 290 + dx2, 290 + dy2), fill=(r, g, b))
dx1 = random.randint(-5, 10)
dx2 = random.randint(-10, 5)
dy1 = random.randint(-5, 10)
dy2 = random.randint(-10, 5)
cx1 = random.randint(160, 180)
cx2 = random.randint(230, 250)
if bear:
#draw.ellipse((160 + dx1, 160 + dy1, 230 + dx2, 230 + dy2), fill=(r, g, b))
draw.ellipse((160 + dx1, cx1 + dy1, 230 + dx2, cx2 + dy2), fill=(r, g, b))
else:
#draw.ellipse((160 + dx1, 190 + dy1, 230 + dx2, 260 + dy2), fill=(r, g, b))
draw.ellipse((160 + dx1, 210 + dy1, 230 + dx2, 280 + dy2), fill=(r, g, b))
dx1 = random.randint(-5, 10)
dx2 = random.randint(-10, 5)
dy1 = random.randint(-5, 10)
dy2 = random.randint(-10, 5)
if bear:
#draw.ellipse((270 + dx1, 160 + dy1, 340 + dx2, 230 + dy2), fill=(r, g, b))
draw.ellipse((270 + dx1, cx1 + dy1, 340 + dx2, cx2 + dy2), fill=(r, g, b))
else:
#draw.ellipse((270 + dx1, 190 + dy1, 340 + dx2, 260 + dy2), fill=(r, g, b))
draw.ellipse((270 + dx1, 210 + dy1, 340 + dx2, 280 + dy2), fill=(r, g, b))
if rotate:
angle = random.randint(0, 360)
im = im.rotate(angle)
if resize:
h = random.randint(100, 200)
center = random.randint(220, 280)
size = 384
if type(resize) == int:
size = resize
im = im.resize(size=(size, size), resample=Image.LANCZOS, box=(max(0, center - h), max(0, center - h),
min(500, center + h), min(500, center + h)))
return im
Exemple d'utilisation
im = koala_or_bear()
im.save('image.jpg', quality=95)
HTML('<img src="image.jpg ">')
Générez un grand nombre d'images de Koala et d'images d'ours
!mkdir koala_or_bear
num_data = 16
for i in range(num_data):
im = koala_or_bear(bear=False)
im.save("koala_or_bear/koala_{}.jpg ".format(i), quality=95)
for i in range(num_data):
im = koala_or_bear(bear=True)
im.save("koala_or_bear/bear_{}.jpg ".format(i), quality=95)
Chargez les images Koala et Bear générées
from PIL import Image
koalas = []
for i in range(num_data):
koala = Image.open("koala_or_bear/koala_{}.jpg ".format(i))
koalas.append(koala)
bears = []
for i in range(num_data):
bear = Image.open("koala_or_bear/bear_{}.jpg ".format(i))
bears.append(bear)
Vérifiez l'image
%matplotlib inline
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(10,10))
for i in range(num_data):
ax = fig.add_subplot(4, 4, i+1)
ax.axis('off')
ax.set_title('koala_{}'.format(i))
ax.imshow(koalas[i],cmap=plt.cm.gray, interpolation='none')
plt.show()
%matplotlib inline
import matplotlib.pyplot as plt
fig = plt.figure(figsize=(10,10))
for i in range(num_data):
ax = fig.add_subplot(4, 4, i+1)
ax.axis('off')
ax.set_title('bear_{}'.format(i))
ax.imshow(bears[i],cmap=plt.cm.gray, interpolation='none')
plt.show()
Plus de variation d'images
Faire pivoter / agrandir
for i in range(num_data):
im = koala_or_bear(bear=False, rotate=True, resize=True)
im.save("koala_or_bear/koala_{}.jpg ".format(i), quality=95)
bears = []
for i in range(num_data):
bear = Image.open("koala_or_bear/koala_{}.jpg ".format(i))
bears.append(bear)
fig = plt.figure(figsize=(10,10))
for i in range(num_data):
ax = fig.add_subplot(4, 4, i+1)
ax.axis('off')
ax.set_title('koala_{}'.format(i))
ax.imshow(bears[i],cmap=plt.cm.gray, interpolation='none')
plt.show()
Riche en couleur
for i in range(num_data):
im = koala_or_bear(bear=False, rotate=True, resize=True, gray=False, black=False)
im.save("koala_or_bear/koala_{}.jpg ".format(i), quality=95)
bears = []
for i in range(num_data):
bear = Image.open("koala_or_bear/koala_{}.jpg ".format(i))
bears.append(bear)
fig = plt.figure(figsize=(10,10))
for i in range(num_data):
ax = fig.add_subplot(4, 4, i+1)
ax.axis('off')
ax.set_title('koala_{}'.format(i))
ax.imshow(bears[i],cmap=plt.cm.gray, interpolation='none')
plt.show()
Dessine automatiquement des objets mystérieux autres que les koalas
for i in range(num_data):
im = koala_or_bear(bear=True, rotate=True, resize=True, gray=False, black=False, others=True)
im.save("koala_or_bear/bear_{}.jpg ".format(i), quality=95)
bears = []
for i in range(num_data):
bear = Image.open("koala_or_bear/bear_{}.jpg ".format(i))
bears.append(bear)
fig = plt.figure(figsize=(10,10))
for i in range(num_data):
ax = fig.add_subplot(4, 4, i+1)
ax.axis('off')
ax.set_title('bear_{}'.format(i))
ax.imshow(bears[i],cmap=plt.cm.gray, interpolation='none')
plt.show()
Résumé
Nous avons créé un outil qui génère automatiquement des images de koalas et d'ours qui peuvent être utilisées comme classification d'images par apprentissage automatique ou apprentissage en profondeur. Je pense que vous pouvez faire diverses variations et ajuster le niveau de difficulté. Cela peut également être utile pour étudier la segmentation sémantique.
Recommended Posts