Coggle 30 Days of ML 打卡任务一

任务一：两个赛题数据可视化

难度/分值：低/1

打卡内容：

参赛选手名称：AppleDoctor
完成日期：2023.6.6
任务完成情况：
- 使用的编程语言：Python
- 实现的功能：
  - 对赛题1的苹果病害数据进行可视化的方法：
    - 加载苹果病害图像，并展示图像及其标签；
  - 对赛题2的建筑物检测数据进行可视化的方法：
    - 加载"吉林一号"高分辨率卫星遥感影像，展示影像；
    - 可视化影像中的建筑物变化。

背景介绍

本次打卡任务是 Coggle 30 Days of ML 中的第一项任务，要求完成两个赛题的数据可视化。赛题1是苹果叶片病害识别，提供了九类自然环境下苹果叶片的病害图像数据，参赛选手需要展示图像及其标签。赛题2是建筑物变化检测，提供了"吉林一号"高分辨率卫星遥感影像作为数据集，选手需要展示影像中的建筑物变化。

任务名称	难度/分值
任务1：两个赛题数据可视化	低/1
任务2：苹果病害数据加载与数据增强	中/2
任务3：苹果病害模型训练与预测	中/2
任务4：苹果病害模型优化与多折训练	高/3
任务5：建筑物检测数据加载与数据增强	高/2
任务6：苹果病害模型训练与预测	中/2
任务7：苹果病害模型优化与多折训练	高/3

数据集准备

首先报名并下载数据集，以下是实践比赛地址：

赛题1：苹果病害图像识别
赛题2：建筑物变化检测

赛题一：苹果病害图像识别

标签分布可视化

接下来，我对苹果病害数据集的标签进行了可视化和分析。首先，我计算了每个类别的数据量，并使用柱状图展示了各类别的数量分布。

root = './datasets/apple'
classes_name = ['d1', 'd2', 'd3', 'd4', 'd5', 'd6', 'd7', 'd8', 'd9']
split = 1.0
train_path, val_path = [], []
class_counts = []

for cls in classes_name:
    cls_path = glob.glob(f'{root}/train/{cls}/*')
    class_counts.append(len(cls_path))
    print(f"类别 {cls} 数量为: {len(cls_path)}")
    # 计算训练集和验证集的数量
    num_train = int(len(cls_path) * split)
    num_val = len(cls_path) - num_train
    # 随机选取80%的数据，存储到训练集列表中
    train_path.extend(random.sample(cls_path, num_train))
    # 将剩余的20%的数据存储到验证集列表中
    val_path.extend(list(set(cls_path) - set(train_path)))

# 设置图表样式
plt.style.use('seaborn-whitegrid')

# 可视化类别数量
plt.bar(classes_name, class_counts)
plt.xlabel('Category')
plt.ylabel('Count')
plt.title('Category Count')
# 在每个柱子上方添加类别数量标签
for i in range(len(class_counts)):
    plt.text(i, class_counts[i], class_counts[i], ha='center', va='bottom')

plt.xticks(rotation=45)
plt.show()

在这里插入图片描述

从可视化结果可以看出，苹果病害数据集的标签分布是不均衡的。其中，有3个类别的数据超过了1900个样本，而其他类别的数据量不足1000个，甚至有5个类别的数据量只有约300个左右。因此，该数据集的标签分布存在不均衡的情况。

以下是各个类别的数据量统计：

类别 d1 数量为: 292
类别 d2 数量为: 288
类别 d3 数量为: 2227
类别 d4 数量为: 238
类别 d5 数量为: 362
类别 d6 数量为: 260
类别 d7 数量为: 829
类别 d8 数量为: 1928
类别 d9 数量为: 3787

计算平均尺寸

我还计算了所有图像的平均尺寸，以了解图像的大小特征。

total_width = 0
total_height = 0
num_images = len(train_path)

# 遍历训练集中的所有图像，求出它们的平均宽度和高度
for image_path in tqdm(train_path):
    image = Image.open(image_path)
    width, height = image.size
    total_width += width
    total_height += height

average_width = total_width / num_images
average_height = total_height / num_images

print("Average Image Size:")
print("Width:", average_width)
print("Height:", average_height)

计算得到的平均宽度为990，平均高度为683。

Average Image Size:
Width: 990.6477328371365
Height: 683.6091469983352

可视化各个类别图片

为了更好地了解各个类别的特征，我展示了每个类别的前几张图片。

num_images_per_category = 5

# 显示每个类别的前num_images_per_category张图像
for cls in classes_name:
    cls_path = glob.glob(f'{root}/train/{cls}/*')[:num_images_per_category]

    fig, axes = plt.subplots(1, num_images_per_category, figsize=(12, 2))

    for i, image_path in enumerate(cls_path):
        image = Image.open(image_path)
        axes[i].imshow(image)
        axes[i].axis('off')

    plt.suptitle(f'Images for Category {cls}')
    plt.show()

在这里插入图片描述

通过以上可视化结果，我们可以观察到各个类别的特征。特别是在d2和d6类别中，它们的特征是最明显的。d2类别代表了黄叶，而d6类别的叶子则有一定程度的腐烂。

赛题二：建筑物变化检测

在建筑物变化检测数据集中，包含三个文件夹，分别是Image1、Image2和label1。

**原始影像：**双时相影像以.tif格式存储，包含R、G、B三个波段。训练集和测试集的影像尺寸均为512x512像素。

**标签数据：**标签以单通道的.png#pic_center格式存储，每个像素的标签值用一个数值表示，使用’uint8’数据类型存储。标签数值表示像素是否发生变化，其中“0”代表未变化，“1”代表变化。标签的尺寸也为512x512像素。

标签分布可视化

plt.figure(figsize=(12, 6))
bar_color = 'skyblue'  # 柱状图颜色
bar_width = 0.8  # 柱状图宽度

# 绘制柱状图
bars = plt.bar(labels, counts, color=bar_color, width=bar_width)

# 在每个柱状图上方显示标签的数量
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width() / 2, height, height,
             ha='center', va='bottom', fontsize=8)

plt.xlabel('Pixel Label')
plt.ylabel('Count')
plt.title('Pixel Label Distribution')
plt.xticks(rotation=45, ha='right')  # 旋转x轴标签
plt.tight_layout()  # 调整布局以避免标签被裁剪
plt.show()

在这里插入图片描述

通过以上代码，可以得到标签分布的可视化结果。从图中可以看出，“0”代表未变化，“1”代表变化。可以观察到像素标签“0”的数量远大于“1”的数量。具体而言，“0”像素的数量为626,774,703，“1”像素的数量为28,585,297。每个影像的尺寸为512x512像素。

遥感图像可视化

可以看到三列，分别是Image1，Image2和label

root = 'datasets/satellite/train'
image_folder1 = 'Image1'
image_folder2 = 'Image2'
label_folder = 'label1'

folder1_path = os.path.join(root, image_folder1)
folder2_path = os.path.join(root, image_folder2)
label_path = os.path.join(root, label_folder)

# 获取文件夹中的TIF图像文件列表
image_files1 = sorted([f for f in os.listdir(folder1_path) if f.endswith('.tif')])
image_files2 = sorted([f for f in os.listdir(folder2_path) if f.endswith('.tif')])
label_files = sorted([f for f in os.listdir(label_path) if f.endswith('.png')])

num_images = min(3, len(image_files1), len(image_files2), len(label_files))

fig, axes = plt.subplots(num_images, 3, figsize=(12, 6))

for i in range(num_images):
    image_path1 = os.path.join(folder1_path, image_files1[i])
    image_path2 = os.path.join(folder2_path, image_files2[i])
    label_image_path = os.path.join(label_path, label_files[i])

    image1 = Image.open(image_path1)
    image2 = Image.open(image_path2)
    label_image = Image.open(label_image_path)

    axes[i, 0].imshow(image1)
    axes[i, 0].axis('off')
    axes[i, 0].set_title(f'{image_files1[i]}')

    axes[i, 1].imshow(image2)
    axes[i, 1].axis('off')
    axes[i, 1].set_title(f'{image_files2[i]}')

    axes[i, 2].imshow(label_image, cmap='gray')
    axes[i, 2].axis('off')
    axes[i, 2].set_title(f'{label_files[i]}')

plt.tight_layout()
plt.show()