Conjuntos de dados a partir de imagens

Em machine learning, deep learning e ciência de dados, os formatos de arquivo mais usados são JSON ou CSV. Aqui, vamos falar sobre CSV e usá-lo para montar um dataset. CSV significa Comma Separated Values (valores separados por vírgula). São campos de banco de dados exportados para um formato em que cada registro fica em uma única linha, separada por vírgulas. Arquivos com extensão .csv são semelhantes a arquivos de texto simples. Isso permite que pessoas que não usam o mesmo aplicativo de banco de dados compartilhem arquivos entre si.

Para este tutorial, você vai precisar de:

1->Microsoft Excel
2->Algumas imagens
3->Notepad++(eu recomendo porque é fácil de usar; você também pode tentar com WordPad, Bloco de Notas ou qualquer editor de texto)

Com isso, vamos começar.

Agora vamos instalar o 'Notepad++'. Acesse este link - https://notepad-plus-plus.org/download/v7.5.6.html - e instale a versão compatível com o seu dispositivo.

Para 32 bits

Para 64 bits

Agora baixe algumas imagens

Crie uma nova pasta (eu chamei de dataset), crie algumas subpastas dentro dela e preencha essas pastas com imagens. Eu baixei placas de carro de algumas partes do mundo e as salvei em pastas separadas.

Abra o Terminal/Prompt de Comando no diretório atual, isto é, na pasta dataset, e rode os comandos que vou passar. A seguir, os comandos para usuários de Windows:

Comando para listar pastas e arquivos no diretório: -- dir /b/s

Comando para obter nomes de arquivos e salvar em um arquivo de texto: -- dir /b/s/w *.jpg > "filename.txt"

Para usuários Linux (Ubuntu):

Comando para listar pastas e arquivos no diretório: -- ls -LR

Comando para obter nomes de arquivos e salvar em um arquivo de texto: -- ls -LR *.jpg > files.txt

Para Mac OSX: o macOS é compatível com POSIX, então possui as ferramentas de linha de comando usuais de ambientes Unix.

Comando para listar pastas e arquivos no diretório: -- ls /b/s

Comando para obter nomes de arquivos e salvar em um arquivo de texto: -- ls /b/s/w*.jpg > filename.txt

Aqui eu nomeei o arquivo como 'filename'; você pode escolher qualquer nome, como 'names.txt'. Ele será salvo no diretório onde você executou o prompt de comando (no meu caso, eu queria apenas imagens com extensão .JPG, então usei *.jpg para chamá-las; você pode usar .jpeg ou até XML, dependendo da extensão das suas imagens).

Agora pressione Ctrl+F e remova os detalhes do diretório principal. Para o Excel puxar as imagens, precisamos informar os caminhos das subpastas e os nomes dos arquivos começando com " ./ ". Então, substituímos a primeira barra invertida \ por ./ e a segunda por /

Depois de fazer as alterações, salve o arquivo de texto.

Agora abra o Microsoft Excel, copie todos os nomes do arquivo de texto e cole na planilha.

Se quiser rotular as imagens, crie outra coluna chamada label e preencha conforme o critério desejado. Aqui, eu rotulei de acordo com o país.

Agora salve com a extensão CSV (separado por vírgulas) na pasta (dataset) onde estão as pastas com as imagens.

Em seguida, remova o arquivo de texto dessa pasta e compacte a pasta dataset em um arquivo .zip.

Pronto!!!

Você criou com sucesso um conjunto de dados em formato CSV.

Conclusão

Este tutorial traz um guia rápido de como criar conjuntos de dados em formato CSV a partir de imagens para ciência de dados. Espero que seja útil quando você precisar montar um dataset. Uhuuul! Você concluiu este tutorial. Se tiver dúvidas ou comentários, é só deixar abaixo.