web3-202226701039/DatasetGenerator(2).py

import os
import numpy as np
from PIL import Image

import torch
from torch.utils.data import Dataset

# --------------------------------------------------------------------------------

# 定义一个数据集类 DatasetGenerator，继承自 PyTorch 的 Dataset 类
class DatasetGenerator(Dataset):

    # --------------------------------------------------------------------------------

    # 初始化函数，传入图像目录路径、数据集文件路径和图像预处理变换
    def __init__(self, pathImageDirectory, pathDatasetFile, transform):
        self.listImagePaths = []  # 用于存储图像路径的列表
        self.listImageLabels = []  # 用于存储标签的列表
        self.transform = transform  # 图像的预处理方法

        # ---- 打开文件，获取图像路径和标签
        with open(pathDatasetFile, "r") as fileDescriptor:
            for line in fileDescriptor:
                lineItems = line.strip().split()
                imagePath = os.path.join(pathImageDirectory, lineItems[0])  # 获取图像文件的完整路径
                imageLabel = lineItems[1:]  # 获取对应的标签（位于行的第二部分）

                # 将标签转换为整数列表，并确保每个标签是整数（有可能是浮点数的情况需要处理）
                imageLabel = [int(float(i)) for i in imageLabel]

                # 如果标签数组中至少有一个值为1（即图片至少有一个分类标签）
                if np.array(imageLabel).sum() >= 1:
                    self.listImagePaths.append(imagePath)  # 将图像路径加入列表
                    self.listImageLabels.append(imageLabel)  # 将图像标签加入列表

    # --------------------------------------------------------------------------------

    # 获取数据集中特定索引的图像及其标签
    def __getitem__(self, index):
        # 根据索引获取图像路径
        imagePath = self.listImagePaths[index]

        # 打开图像文件，并将图像转换为 RGB 模式
        imageData = Image.open(imagePath).convert('RGB')

        # 将对应的标签转换为 PyTorch 的 FloatTensor（浮点数张量）
        imageLabel = torch.FloatTensor(self.listImageLabels[index])

        # 如果有图像预处理操作，应用预处理
        if self.transform is not None:
            imageData = self.transform(imageData)

        # 返回图像数据和其对应的标签
        return imageData, imageLabel

    # --------------------------------------------------------------------------------

    # 返回数据集的样本数量
    def __len__(self):
        return len(self.listImagePaths)