Chainerで画像分類するためのデータセットを自作して読み込む方法

概要

Chainer入門者向けの記事です。チュートリアルから一歩進んで、世に公開されている画像データや自分で集めた画像などから画像分類の学習用データセットを作る方法をまとめました。

いざ自分でChainerで画像分類に取り掛かろうとした際に、最初に躓いたところであり、調べるのにも時間が掛かったので、備忘録のようなものになります。

環境

• macOS High Sierra 10.13.6
• python 3.6.5
• Chainer 4.3.1

実行例

DeepLearningLabさんがGitHubに以前ハッカソンにて使用していた画像データを公開してくれていますので、そのデータをサンプルにしてChainer用のデータセットを作成していきます。データセットはこちら。

かなりのデータ量なので試す方はご注意ください。とは言っても3GBちょいですけどね。

フォルダ構成は以下のとおりです。

data
|-- train
|   |-- images
|   |   |-- XXXXXXXXX.jpg
|   |   |-- XXXXXXXXX.jpg
|   |   `-- ...
|   `-- train_labels.txt
|-- valid
|   |-- images
|   |   |-- XXXXXXXXX.jpg
|   |   `-- ...
|   `-- valid_labels.txt
`-- test
    |-- images
    |   |-- XXXXXXXXX.jpg
    |   `-- ...
    `-- test_labels.txt

このデータでは、それぞれのimagesフォルダの中に画像が入っており、同階層の.txtファイルに画像のファイル名と、対応するクラスIDがスペース区切りで入っています。

イメージはこんな感じです。

XXXXXXXXX01.jpg 0
XXXXXXXXX02.jpg 1
XXXXXXXXX03.jpg 2

では、これを読み込むにはどうすれば良いのでしょうか。

Chainerには非常に便利なLabeledImageDatasetというクラスがあり、これを使用します。コードはこの２行だけ。とっても簡単ですね。

from chainer.datasets import LabeledImageDataset

train = LabeledImageDataset('data/train/train_labels.txt', 'data/train/images')

ただし、これだけだと元々の画像のサイズがバラバラだとChainerにはそのまま突っ込めません。画像をリサイズするひと手間が必要になります。こちらもTransformDatasetクラスを使えば簡単にリサイズ出来ちゃいます。

from chainercv.transforms import resize
from chainer.datasets import TransformDataset

def transform(in_data):
    img, label = in_data
    img = resize(img, (224, 224))
    return img, label

train = TransformDataset(train, transform)

トレーニングデータと同様にバリデーションデータも作成します。

valid = LabeledImageDataset('data/valid/valid_labels.txt', 'data/valid/images')
valid = TransformDataset(valid, transform)

これで最低限の前処理は完了です。

実際にはここでグレースケールに変換したり、傾けてみたりなど色々と工夫をすることも可能ですが、それはまたの機会にまとめてみます。

ご参考

ChainerCVを使用しない方法

上記では画像のリサイズにChainerCVを使用しましたが、他にも方法はあります。代表的なものとしてはPillowライブラリを使用したものがあります。

以下のようにtransformクラスを書き換えます。

from PIL import Image

width, height = 224, 224 #ここは好きなサイズで構いません。

def transform(data):
    img, label = data
    img = img.astype(np.uint8)
    img = Image.fromarray(img.transpose(1, 2, 0))
    img = img.resize((width, height))
    img = np.asarray(img).transpose(2, 0, 1).astype(np.float32) / 255.
    return img, label

OpenCVを使用する方法

OpenCVを使い慣れていて、前処理もOpenCVでしてしまいたい方は、以下のようにすれば良いです。

import cv2

with open('data/train/train_labels.txt', 'r', encoding='utf-8') as f:
    train_labels = ''.join(f.readlines()).split('\n')[:-1]
    
x, t = [], []

for train_label in train_labels:
    filename, label = train_label.split(' ')
    filepath = 'data/train/images/{}'.format(filename)
    img = cv2.imread(filepath)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    img = np.transpose(img, (2, 0, 1))
    
    label = np.array(label, 'i')
    
    x.append(img)
    t.append(label)
    
train = chainer.datasets.tuple_dataset.TupleDataset(x, t)

終わりに

普段コードを書き続けていないと、こういう読み込みなどのお作法はすぐに忘れてしまう。ライブラリが充実してきて、この辺りの処理が簡略化されていくことは大歓迎です。