为什么显示无标签的数据集仍要读取标签

[HakuuZalem]

dset = city_dset(cfg["data_root"], cfg["data_list"], trs_form, seed, n_sup, split)
dset_unsup = city_dset(
cfg["data_root"], data_list_unsup, trs_form_unsup, seed, n_sup, split
)
这两个都是使用的city_dset获取数据信息，而city_dset下面的类中似乎没有对有标签的和无标签的进行区分。

class city_dset(BaseDataset):
def init(self, data_root, data_list, trs_form, seed, n_sup, split="val"):
super(city_dset, self).init(data_list)
self.data_root = data_root
self.transform = trs_form
random.seed(seed)
if len(self.list_sample) >= n_sup and split == "train":
self.list_sample_new = random.sample(self.list_sample, n_sup)
elif len(self.list_sample) < n_sup and split == "train":
num_repeat = math.ceil(n_sup / len(self.list_sample))
self.list_sample = self.list_sample * num_repeat

        self.list_sample_new = random.sample(self.list_sample, n_sup)
    else:
        self.list_sample_new = self.list_sample
def __getitem__(self, index):
    # load image and its label
    image_path = os.path.join(self.data_root, self.list_sample_new[index][0])
    label_path = os.path.join(self.data_root, self.list_sample_new[index][1])
    image = self.img_loader(image_path, "RGBA")
    label = self.img_loader(label_path, "L")
    image, label = self.transform(image, label)
    return image[0], label[0, 0].long()
def __len__(self):
    return len(self.list_sample_new)

[Ahrenat]

我也遇到了这个问题，看了一下代码，似乎是因为数据增强是统一对原图和标签进行的，为了方便，无标签数据也复用了这套流程。

[HakuuZalem]

感谢你的来信，请问你是如何解决的呢，我是将提前准备了许多假标签，像素值全是0的，好像也可以重新写有标签和无标签的加载数据dataloader部分

…

------------------&nbsp;原始邮件&nbsp;------------------ 发件人: "Haochen-Wang409/U2PL" ***@***.***&gt;; 发送时间:&nbsp;2024年11月28日(星期四) 上午9:18 ***@***.***&gt;; 抄送:&nbsp;"「 ***@***.******@***.***&gt;; 主题:&nbsp;Re: [Haochen-Wang409/U2PL] 为什么显示无标签的数据集仍要读取标签 (Issue #174) 我也遇到了这个问题，看了一下代码，似乎是因为数据增强是统一对原图和标签进行的，为了方便，无标签数据也复用了这套流程。 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: ***@***.***&gt;

[Ahrenat]

因为标签这一部分最终并不会用到，所以我把原图copy了一份，放入原本应该存放标签的位置。这样做只是为了能够顺利通过代码，但从训练效率上来说，最好还是重写有标签和无标签的数据预处理部分~