grouping_images

概要

Xmeans法を利用した自動画像分類プログラムです。
深層学習との連携や各種特徴量を指定できます。

準備

本プログラムはPythonですので実行環境が必要です。

1. このgitをクローンする
2. クローンしたフォルダ内でpip install -r req.txtで依存モジュールをインストールする。(初回のみ)
3. 深層学習との連携機能を使用する場合Pytorch timmも導入する。pytorch.org

使い方

このプログラムはコマンド上で動作します。 対応する画像は、PNG,JPEG,BMP形式です。

optional arguments:
  -h, --help            show this help message and exit
  -f FOLDER, --folder FOLDER
                        データのあるフォルダ。
  -fe {all_BGR,CLR_all_gray,CLR_H_HLS,CLR_H_HSV,CLR_AB_LAB,CLR_UV_LUV,CLR_UV_YUV,ML_deepL,ML_Laplacian,ML_hog}, --Feature {all_BGR,CLR_all_gray,CLR_H_HLS,CLR_H_HSV,CLR_AB_LAB,CLR_UV_LUV,CLR_UV_YUV,ML_deepL,ML_Laplacian,ML_hog}
                        特徴量は上記から選んでください。 デフォルト : CLR_UV_YUV
  -dr DIMENSION_REDUCTION, --dimension_reduction DIMENSION_REDUCTION
                        次元削除を行い処理を高速化します。 小さい数値ほど高速になりますが意図しない結果になる場合もあります。 0で無効 デフォルト : 64
  -c MAX_CLUSTERS, --max_clusters MAX_CLUSTERS
                        最大クラスタ数。自動が細かすぎる場合値を小さくすると良いです。デフォルト : -1(自動)
  -a, --analyze         シルエット分析による分析結果を出します。処理が重くなります。
  -m, --move            コピーの代わりに移動にする。
  -log, --logging       転送ログを保存する

python .\main_class.py -h にも同様の説明があります。

特徴量

現在10種類の特徴量を選ぶことができます。分類するデータによっていろいろ試してみてください。

キー	説明	備考
all_BGR	BGR色空間のうち全チャンネルを使う	大まかに分類
CLR_all_gray	グレースケールデータを利用する	大まかに分類
CLR_H_HLS	HLS色空間のうちHチャンネルを使う	色で大まかに分類
CLR_H_HSV	HSV色空間のうちHチャンネルを使う	色で大まかに分類
CLR_UV_LUV	LUV色空間のうちU,Vチャンネルを使う	色を重視した分類
CLR_UV_YUV	YUV色空間のうちU,Vチャンネルを使う	色を重視した分類
CLR_AB_LAB	LAB色空間のうちA,Bチャンネルを使う	色を重視した分類
ML_deepL	学習済みEfficientNet b0を使う	画像の内容に合わせた分類
ML_Laplacian	ラプラシアンフィルタを使う	構造を重視した分類
ML_hog	HOG特徴量を使う	構造を重視した分類(ベクトル要素あり)

シルエット分析

シルエット分析法による分類の可視化とデータの散布図を出力できます。
計算時間はかかりますが、クラスタリングの指標になります。