这篇文章演示了如何使用 CocoCaptions 库中的 torchvision.datasets 类和各种 MS COCO 数据集。 这些示例说明了加载和显示 unlabeled2017 子集中的图像。 但是，尝试访问 stuff_train2017、stuff_val2017、stuff_train2017_pixelmaps 和 stuff_val2017_pixelmaps 中的数据会导致错误，表明与 CocoCaptions 不兼容。 下面提供了代码片段及其输出。
代码和输出：
代码尝试使用 CocoCaptions 加载和利用 MS COCO 数据集的不同子集。 unlabeled2017 子集成功加载并允许图像显示。 其他子集（包含“stuff”和“panoptic”数据）会导致错误，突出显示使用 CocoCaptions 与这些特定数据结构的局限性。
<code class="language-python">from torchvision.datasets import CocoCaptions
import matplotlib.pyplot as plt
# ... (CocoCaptions instantiation code as provided in the input) ...
# ... (len() calls and error handling code as provided in the input) ...
unlabeled2017_data[2] # Displays image and empty caption list
unlabeled2017_data[47] # Displays image and empty caption list
unlabeled2017_data[64] # Displays image and empty caption list
def show_images(data, ims, main_title=None):
file = data.root.split('/')[-1]
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(14, 8))
fig.suptitle(t=main_title, y=0.9, fontsize=14)
for i, axis in zip(ims, axes.ravel()):
if not data[i][1]:
im, _ = data[i]
axis.imshow(X=im)
fig.tight_layout()
plt.show()
ims = (2, 47, 64)
show_images(data=unlabeled2017_data, ims=ims, main_title="unlabeled2017_data")</code>show_images 函数显示 unlabeled2017_data 子集中的三张图像。
结论：
此实验表明，虽然 CocoCaptions 适用于某些 MS COCO 数据子集（如 unlabeled2017），但它并不直接与所有注释兼容。 遇到的错误表明“stuff”和“panoptic”注释需要不同的方法或不同的数据集类才能正确加载和使用。 要成功访问数据，需要进一步研究这些注释的结构和可用的 torchvision 数据集类。
以上是PyTorch 中的 CocoCaptions (3)的详细内容。更多信息请关注PHP中文网其他相关文章！
