捡漏！用谷歌图片搜索自制深度学习数据集 | 教程

就怕前脚刚立志搞个新研究，后脚就发现没有合适的数据集可用。AI工程师从入门到放弃，可能就是这么一会的功夫。

别找了，现在深度学习数据集也能自制了。

在这份教程中，来自fast.ai的小哥哥Francisco Ingham就想手把手教你，如何利用谷歌图片搜索，DIY一份自己的深度学习数据集出来，还不会违反谷歌服务条例。

‏

整装待发，这样的好事其实需要六步就够了。

Let’s Go

第1步：搜索图像

非常简单，就像平时在谷歌图片中查找图像一样，输入关键词，搜索你感兴趣的图像。

谷歌图像最多显示700张图像，谷歌搜索广告开户所以一页到底再点击“显示更多”，直到加载完毕。

小窍门：输入的关键词越精准，最后得到的数据集质量也越高。

第2步：下载图片

在浏览器中运行下面这段Java代码，创建数据集中所有图像的URL：

然后将这些URL保存到一个文件夹中，以备后用。

第3步：创建目录将URL传至服务器

上一步的成果，现在可以拿来用了。不过先得创建一个项目目录。作者将其命名为mkdir MyProject，不过“MyProject”可以替换成你喜欢的项目名字。

按下“Upload”键，将上传URL地址一键上传到这个目录中。

第4步：下载图像

上传到上面目录后，就能把它们从各自的URL下载下来，得到了初版数据集。

也不麻烦,，每个目录中都需要运行一次下面这段代码：

download_images(path/file,dest,max_pics=200)

只需要指定URL文件名和目标文件，就能自动下载保存，在本地就能打开图像了。

Tips：要下载图像的数量可以自己选择。谷歌搜索广告推广

第5步：筛选图像

查看新鲜出炉的图像，可能会发现一些不需要的图像，此时就需要你手动去筛选和删除它们了。

如果一开始在谷歌搜索中的关键词没有设置好，那这一步可能得多费点时间喽。

第6步：准备训练目录

和数据集的众多兄弟姐妹一样，在开始使用它前，最好还是把里面的图片分成训练、验证和测试集。

过完这道坎，你就拥有了一个DIY的深度学习数据集了，此时有没有感觉赞赞的？谷歌广告投放

传送门

GitHub项目地址：

https://github.com/lesscomfortable/google-image-dataset

此外，Francisco Ingham还将教程搬到了fast.ai的课程仓库中，是用Jupyter Notebooks写成的。不过刚量子位看时还没有搬完。