Jeux de données à partir d’images

En apprentissage automatique, en deep learning et en data science, les formats de données les plus courants sont JSON et CSV. Ici, nous allons nous intéresser au CSV et l’utiliser pour créer un jeu de données. CSV signifie Comma Separated Values (valeurs séparées par des virgules). Les champs d’une base de données sont exportés dans un format où chaque enregistrement est séparé par une virgule sur une seule ligne. Les fichiers avec l’extension .csv sont similaires aux fichiers texte brut. Cela permet à des personnes n’utilisant pas les mêmes applications de base de données de partager facilement des fichiers.

Pour ce tutoriel, vous aurez besoin de :

1->Microsoft Excel
2->Quelques images
3->Notepad++ (je le recommande pour sa simplicité, mais vous pouvez utiliser WordPad, le Bloc-notes ou tout éditeur de texte)

Passons à la pratique.

Installez maintenant "Notepad++" en vous rendant à cette adresse : https://notepad-plus-plus.org/download/v7.5.6.html puis installez la version compatible avec votre appareil.

Pour 32 bits

Pour 64 bits

Téléchargez quelques images

Créez un nouveau dossier (je l’ai nommé dataset), créez-y quelques sous-dossiers et remplissez-les d’images. J’ai, par exemple, téléchargé des plaques d’immatriculation de différents pays et les ai rangées dans des sous-dossiers.

Ouvrez le terminal/l’invite de commandes dans le répertoire courant, c’est-à-dire dans le dossier dataset, et exécutez les commandes ci-dessous. Voici les commandes pour les utilisateurs Windows :

Commande pour lister les dossiers et fichiers du répertoire : -- dir /b/s

Commande pour récupérer les noms de fichiers et les enregistrer dans un fichier texte : -- dir /b/s/w *.jpg > "filename.txt"

Pour les utilisateurs Linux (Ubuntu) :

Commande pour lister les dossiers et fichiers du répertoire : -- ls -LR

Commande pour récupérer les noms de fichiers et les enregistrer dans un fichier texte : -- ls -LR *.jpg > files.txt

Pour Mac OSX : macOS est conforme POSIX, il inclut donc les utilitaires en ligne de commande habituels des environnements Unix.

Commande pour lister les dossiers et fichiers du répertoire : -- ls /b/s

Commande pour récupérer les noms de fichiers et les enregistrer dans un fichier texte : -- ls /b/s/w*.jpg > filename.txt

Ici, j’ai nommé le fichier "filename" ; vous pouvez choisir n’importe quel nom, par exemple "names.txt". Il sera enregistré dans le répertoire où vous avez lancé l’invite de commandes. (Dans mon cas, je voulais uniquement les images avec l’extension .JPG, donc j’ai utilisé *.jpg. Vous pouvez utiliser .jpeg, .xml, etc., selon l’extension de vos images.)

Appuyez maintenant sur Ctrl+F et supprimez les éléments relatifs au répertoire principal. Pour qu’Excel importe correctement les images, nous devons fournir les chemins des sous-dossiers et des fichiers en commençant par " ./ ". Remplacez donc le premier antislash \ par ./ puis le second par /

Après ces modifications, enregistrez le fichier texte.

Ouvrez maintenant Microsoft Excel, copiez tous les noms du fichier texte et collez-les dans une feuille Excel.

Si vous souhaitez étiqueter les images, créez une autre colonne nommée label et renseignez-la selon la logique de votre choix. Ici, je les ai étiquetées par pays.

Enregistrez ensuite au format CSV (séparateur : virgule) dans le dossier (dataset) où se trouvent les dossiers d’images.

Supprimez maintenant le fichier texte de ce dossier et compressez le dossier dataset en fichier ZIP.

C’est terminé !

Vous avez créé avec succès un jeu de données au format CSV.

Conclusion

Ce tutoriel vous a proposé une méthode simple pour créer des jeux de données CSV à partir d’images pour la data science. J’espère qu’il vous sera utile lorsque vous souhaiterez constituer un dataset. Bravo ! Vous avez terminé ce tutoriel. Si vous avez des questions ou des remarques, n’hésitez pas à les partager dans les commentaires ci-dessous.