# 파일 확인
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
import os
# for dirname, _, filenames in os.walk('/kaggle/input'):
# for filename in filenames:
# print(os.path.join(dirname, filename))
base_dir = "/kaggle/input/state-farm-distracted-driver-detection/"
# 테스트 데이터 셋 개수
test_num = len( os.listdir(base_dir + "/imgs/test/"))
print( "테스트 데이터 셋 크기 :", test_num )
sum = 0
for i in range(10):
num = len( os.listdir(base_dir + "/imgs/train/c" + str(i) + "/") )
print( "c" + str(i) + "의 이미지 개수 : ", num )
sum += num
# 학습용 데이터 셋 개수
print( "학습용 데이터 셋 크기 :", sum)
테스트 데이터 셋 크기 : 79726 c0의 이미지 개수 : 2489 c1의 이미지 개수 : 2267 c2의 이미지 개수 : 2317 c3의 이미지 개수 : 2346 c4의 이미지 개수 : 2326 c5의 이미지 개수 : 2312 c6의 이미지 개수 : 2325 c7의 이미지 개수 : 2002 c8의 이미지 개수 : 1911 c9의 이미지 개수 : 2129 학습용 데이터 셋 크기 : 22424
import numpy as np
import pandas as pd
import cv2
import matplotlib.pyplot as plt
import sys
from skimage import io, transform
import matplotlib.animation as animation
train = pd.read_csv( '/kaggle/input/state-farm-distracted-driver-detection/driver_imgs_list.csv' )
sub = pd.read_csv( '/kaggle/input/state-farm-distracted-driver-detection/sample_submission.csv' )
train.shape, sub.shape
((22424, 3), (79726, 11))
train.head()
| subject | classname | img | |
|---|---|---|---|
| 0 | p002 | c0 | img_44733.jpg |
| 1 | p002 | c0 | img_72999.jpg |
| 2 | p002 | c0 | img_25094.jpg |
| 3 | p002 | c0 | img_69092.jpg |
| 4 | p002 | c0 | img_92629.jpg |
sub.head()
| img | c0 | c1 | c2 | c3 | c4 | c5 | c6 | c7 | c8 | c9 | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | img_1.jpg | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
| 1 | img_10.jpg | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
| 2 | img_100.jpg | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
| 3 | img_1000.jpg | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
| 4 | img_100000.jpg | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 | 0.1 |
subj = np.unique( train['subject'] )
subj
array(['p002', 'p012', 'p014', 'p015', 'p016', 'p021', 'p022', 'p024',
'p026', 'p035', 'p039', 'p041', 'p042', 'p045', 'p047', 'p049',
'p050', 'p051', 'p052', 'p056', 'p061', 'p064', 'p066', 'p072',
'p075', 'p081'], dtype=object)
subj[:2]
array(['p002', 'p012'], dtype=object)
for subj in np.unique( train['subject'])[:2]: # ['p002', 'p012']
imagem = train[ train['subject']==subj ]
print(imagem.shape) # 각각의 주제별 이미지의 개수
imgs = []
t = imagem.values[0] # 주제별 이미지 하나의 데이터 내용 (['p002' 'c0' 'img_44733.jpg'])
print(t)
for t in imagem.values: # 각 주제별 데이터 개수만큼 반복.
base = "/kaggle/input/state-farm-distracted-driver-detection/imgs/train/"
image_path = base + t[1] + "/" + t[2]
# print(image_path) # 이미지의 경로
img = cv2.imread( image_path, 3 )
img = cv2.resize( img, (160, 120))
img = cv2.cvtColor( img, cv2.COLOR_BGR2RGB )
imgs.append( img )
print( len(imgs) )
(725, 3) ['p002' 'c0' 'img_44733.jpg'] 725 (823, 3) ['p012' 'c0' 'img_10206.jpg'] 823
fig = plt.figure()
subj = np.unique( train['subject'])[:2]
print(subj)
for subj in np.unique( train['subject'])[:2]: # ['p002', 'p012']
imagem = train[ train['subject']==subj ]
print(imagem.shape) # 각각의 주제별 이미지의 개수
imgs = []
t = imagem.values[0] # 주제별 이미지 하나의 데이터 내용 (['p002' 'c0' 'img_44733.jpg'])
print(t)
for t in imagem.values: # 각 주제별 데이터 개수만큼 반복.
base = "/kaggle/input/state-farm-distracted-driver-detection/imgs/train/"
image_path = base + t[1] + "/" + t[2]
# print(image_path) # 이미지의 경로
# 각 이미지별 전처리
img = cv2.imread( image_path, 3 )
img = cv2.resize( img, (160, 120))
img = cv2.cvtColor( img, cv2.COLOR_BGR2RGB )
imgs.append( img )
# print( len(imgs) )
ax = fig.add_subplot(111)
ax.set_axis_off()
fig.subplots_adjust(left=0, bottom=0, right=1, top=1,wspace=None, hspace=None)
fname = "MOVIE_subject_" + subj + ".gif"
imgs = [ (ax.imshow(img),
ax.set_title(t[0]),
ax.annotate(n_img,(5,5))) for n_img, img in enumerate(imgs) ]
img_anim = animation.ArtistAnimation(fig, imgs, interval=125,
repeat_delay=1000, blit=False)
print("Writing : ", fname)
img_anim.save(fname, writer='imagemagick', dpi=20)
fig.clf()
print ('Now relax and watch some movies!!!')
['p002' 'p012'] (725, 3) ['p002' 'c0' 'img_44733.jpg'] Writing : MOVIE_subject_p002.gif (823, 3) ['p012' 'c0' 'img_10206.jpg'] Writing : MOVIE_subject_p012.gif Now relax and watch some movies!!!
<Figure size 432x288 with 0 Axes>