Traffic-sign-recognition.zip

Traffic-sign-recognition.zip

import os
import tensorflow as tf
import numpy as np
import PIL as Image

def get_files（file_dir）:
    directories=[files for files in os.listdir（file_dir）
    if os.path.isdir（os.path.join（file_dir files））]  
    labels = []
    images = []
    for files in directories:
        data_dir = os.path.join（file_dir files）
        file_names = [os.path.join（data_dir f） 
                      for f in os.listdir（data_dir） 
                      if f.endswith（“.jpeg“）]
        for f in file_names:
            images.append（f）
            labels.append（int（files））
    temp=np.array（[imageslabels]）
    temp=temp.transpose（）
    np.random.shuffle（temp）
    image_list = list（temp[: 0]）
    label_list = list（temp[: 1]）
    label_list = [int（i） for i in label_list]
#    labels_vector=[]
#    #对标签进行独热编码
#    for labels in label_list:
#        vector=np.zeros（62）
#        vector[labels]=1
#        labels_vector.append（vector）   
    return image_listlabel_list

def get_batch（sessimagelabelwidthhightbatch_sizecapacity）:
    # image label: 要生成batch的图像和标签list
    # image_W image_H: 图片的宽高
    # batch_size: 每个batch有多少张图片
    # capacity: 队列容量
    # return: 图像和标签的batch
    image = tf.cast（image tf.string）
    label = tf.cast（label tf.int32）
    input_queue=tf.train.slice_input_producer（[imagelabel]）
    
    label=input_queue[1]
    image_contents=tf.read_file（input_queue[0]）

    image = tf.image.convert_image_dtype（tf.image.decode_png（image_contents channels=3） tf.float32）
    image = tf.image.resize_images（image [width hight] method=tf.image.ResizeMethod.NEAREST_NEIGHBOR）
    image = tf.cast（image tf.float32）
    image = tf.image.per_image_standardization（image）   # 标准化数据
    image_batch label_batch = tf.train.batch（[image label]
                                              batch_size=batch_size
                                              num_threads=64   # 线程
                                              capacity=capacity）
    label_batch = tf.reshape（label_batch [batch_size]）
    label_batch=tf.one_hot（label_batch62）
    image_batch = tf.cast（image_batch tf.float32）
    coord = tf.train.Coordinator（）
    tf.train.start_queue_runners（sess=sess coord=coord）
    return image_batchlabel_batch

def get_filesList（file_dir）:

    file_names = [os.path.join（file_dir f） 
						for f in os.listdir（file_dir） 
						if f.endswith（“.jpeg“）]

    image_list = list（file_names）

    return image_list

def read_SingleImg（img_path image_W image_H）:

    img_path = tf.cast（img_path tf.string）

    image_contents = tf.read_file（img_path）
    image = tf.image.decode_jpeg（image_contents channels=3）
    image = tf.image.resize_images（image [image_W image_H] method=tf.image.ResizeMethod.NEAREST_NEIGHBOR）

    image_batch = tf.cast（[image] tf.float32）
    
    return image_batch

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-04-17 04:51  Traffic-sign-recognition\
     文件         973  2018-04-17 04:51  Traffic-sign-recognition\README.md
     目录           0  2018-04-17 04:51  Traffic-sign-recognition\img_result\
     文件      157367  2018-04-17 04:51  Traffic-sign-recognition\img_result\testDemo.png
     文件      323552  2018-04-17 04:51  Traffic-sign-recognition\img_result\train_result.png
     文件        2929  2018-04-17 04:51  Traffic-sign-recognition\input_data.py
     文件        4358  2018-04-17 04:51  Traffic-sign-recognition\testDemo.py
     文件        4743  2018-04-17 04:51  Traffic-sign-recognition\traffic_sign_cnn.py