今天的项目是对动物的头部进行定位
数据集一共有7000多张照片，是来自The Oxford-IIIT Pet Dataset，这个数据集是一个宠物图像数据集，包含了37种宠物，每种宠物200张左右宠物图片，该数据及同时包含宠物分类，头部轮廓标注和语义分割信息。
这是我们的图片文件，然后我们会在另外一个文件夹里发现很多xml文件
打开其中一个是这样的
没错，这就是与之对应的图片的注解，是xml格式的，其实就是一些键值对，并且有层级关系的，如果读者之前写过爬虫，也许很熟悉xml
首先我们编写代码，读取图片和xml注解，通过注解里给出的坐标信息对图片进行标注，然后依次创建dataset和dataloader然后再开始训练
代码语言：javascript复制import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.utils import data
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import torchvision
from torchvision import transforms
import os
from lxml import etree
from matplotlib.patches import Rectangle
import glob
from PIL import Image引入项目必要的库
代码语言：javascript复制pil_img=Image.open(r'D:社交应用QQ3FileRecv3.)Oxford-IIIT Pets DatasetdatasetimagesAbyssinian_1.jpg')读取一张图片
并查看其shape
代码语言：javascript复制np_img=np.array(pil_img)
np_img.shape
3通道的 400*600的图片
然后我我们打开与之对应的描述文件也就是.xml结尾的
代码语言：javascript复制xml=open(r'D:社交应用QQ30FileRecvOxford-IIIT Pets DatasetdatasetannotationsxmlsAbyssinian_1.xml').read()打印其内容：
接下来我们使用etree对xml的内容进行解释，若是写过爬虫的读者定对这部分的代码不会感到陌生：
代码语言：javascript复制sel=etree.HTML(xml)
width=sel.xpath('//size/width/text()')[0]
height=sel.xpath('//size/height/text()')[0]
xmin=sel.xpath('//bndbox/xmin/text()')[0]
ymin=sel.xpath('//bndbox/ymin/text()')[0]
xmax=sel.xpath('//bndbox/xmax/text()')[0]
ymax=sel.xpath('//bndbox/ymax/text()')[0]我们通过xpath去获取我们需要的值
可以看到读取成功
但是细心的伙伴可以发现这不是int类型的数据，不方便我们一会运算，所以我们强制转化成int类型
代码语言：javascript复制xmin=int(xmin)
xmax=int(xmax)
ymin=int(ymin)
ymax=int(ymax)那么接下来就是绘图了
这里四个参数，按照笔者的理解则是：x的最小值和x的最大值，还有就是y的最小值和y的最大值，这样就可以在坐标系中确定两个点，这两个点可以确定一个矩形，而这个矩形在图片中就恰好可以确定该图片中动物头像的位置
好了废话不多说，我们直接画图
代码语言：javascript复制plt.imshow(img)
rect = Rectangle((xmin, ymin), (xmax-xmin), (ymax-ymin), fill=False, color='red')
ax = plt.gca()
ax.axes.add_patch(rect)
plt.show()效果图:
可以看到，根据xml描述文件读取出来的坐标，成功的在图片中绘制出了 喵咪的头像，也即定位成功。
ok那么数据预处理 就暂且到此为止，我们下一章开始写模型和网络。
谢谢大家的观看。
END
