TensorFlowで花のデータセットのファイルパスから（画像, ラベル）ペアを作成する方法

TensorFlowで画像分類モデルを構築する際、ファイルパスから（画像, ラベル）ペアを作成することは重要な前処理ステップです。まず、ファイルパスをパスコンポーネントのリストに変換します。次に、後ろから2番目の値をクラスディレクトリとして取得し、ラベルを整数形式にエンコードします。その後、圧縮された文字列をテンソルに変換し、必要なサイズにリサイズします。

使用するデータセットについて

本記事では、数千枚の花の画像を含む「flowersデータセット」を使用します。このデータセットには5つのサブディレクトリが含まれており、各クラス（花の種類）ごとに1つのサブディレクトリが割り当てられています。

以下のコードはGoogle Colaboratory上で実行できます。Google Colab（Colaboratory）はブラウザ上でPythonコードを実行できる環境であり、事前の設定が一切不要で、GPU（グラフィックス処理装置）にも無料でアクセスできます。ColaboratoryはJupyter Notebookをベースに構築されています。

コード例

print("ファイルパスを(画像,ラベル)ペアに変換する関数")
print("まず、パスをパスコンポーネントのリストに変換します")
print("次に、後ろから2番目の値をクラスディレクトリとして追加します")
print("ラベルは整数としてエンコードされます")
def get_label(file_path):
    parts = tf.strings.split(file_path, os.path.sep)
    one_hot = parts[-2] == class_names
    return tf.argmax(one_hot)

print("圧縮された文字列を3次元のint型テンソルに変換します")
print("画像を必要なサイズにリサイズします")
def decode_img(img):
    img = tf.image.decode_jpeg(img, channels=3)
    return tf.image.resize(img, [img_height, img_width])

print("生データを文字列値としてファイルから読み込みます")
def process_path(file_path):
    label = get_label(file_path)
    img = tf.io.read_file(file_path)
    img = decode_img(img)
    return img, label

コード出典：https://www.tensorflow.org/tutorials/load_data/images

出力結果

ファイルパスを(画像,ラベル)ペアに変換する関数
まず、パスをパスコンポーネントのリストに変換します
次に、後ろから2番目の値をクラスディレクトリとして追加します
ラベルは整数としてエンコードされます
圧縮された文字列を3次元のint型テンソルに変換します
画像を必要なサイズにリサイズします
生データを文字列値としてファイルから読み込みます

コードの解説

• get_label関数：ファイルパスを（画像, ラベル）ペアに変換するために定義されています。
• tf.strings.splitを使って、ファイルパスをパスコンポーネントのリストに変換します。
• 後ろから2番目の要素がクラス名（ディレクトリ名）に該当するため、これを取得してクラスディレクトリとして扱います。
• tf.argmaxを使い、ラベルを整数値としてエンコードします。
• decode_img関数：画像をデコードしてリサイズし、返すための関数です。
• まずtf.image.decode_jpegで圧縮された文字列を3次元の整数テンソルに変換し、その後tf.image.resizeで指定サイズにリサイズします。
• process_path関数：ファイルから生データを文字列値として読み込み、上記の処理を組み合わせて（画像, ラベル）ペアを返す関数です。

この一連の処理により、TensorFlowのtf.data APIと組み合わせることで、大量の画像データを効率的に読み込み、学習用のデータパイプラインを構築できます。