如何为分类器加载自定义标签并关联CSV文件中对应图像的标注

步骤1：构建编号-标签映射表 #

• 用pandas读取CSV文件，直接将「图像编号」作为键、「对应标签」作为值生成字典查询表，查询效率为O(1)，远高于逐行遍历CSV匹配
• 示例代码：

import pandas as pd
# 替换为你自己的CSV路径、图像编号列名、标签列名
df = pd.read_csv("你的标签文件路径.csv")
label_map = df.set_index("图像编号列名")["标签列名"].to_dict()

• 注意对齐编号格式：如果CSV里的编号是整数123，但图像文件名是img_0123.jpg，需要提前统一格式，比如给CSV编号补零、或者从文件名提取编号时做格式转换

步骤2：遍历图像路径完成关联 #

• 用glob或者os模块遍历所有图像路径，从每个图像的文件名中提取出图像编号，去上一步的label_map中查询对应标签
• 示例代码：

import glob
import os

# 替换为你自己的图像存储文件夹路径和图像后缀
img_paths = glob.glob("你的图像存储文件夹路径/*.jpg")
img_label_pairs = []
lost_label_imgs = [] # 用来存储找不到标签的异常图像

for path in img_paths:
    # 从文件名提取图像编号，以下代码根据你自己的文件名规则修改
    # 比如文件名是img_0123.jpg，就用下面的方式提取编号0123
    file_name = os.path.basename(path)
    img_id = file_name.split("_")[1].split(".")[0]
    # 查询标签
    if img_id in label_map:
        img_label_pairs.append( (path, label_map[img_id]) )
    else:
        lost_label_imgs.append(path)

• 关联完成后，img_label_pairs里就是所有路径和标签一一对应的数据集，lost_label_imgs可以后续人工处理，避免训练时报错

步骤3：适配预训练模型输入 #

如果是常用的CV预训练模型，直接将关联好的配对数据喂入自定义数据集类即可：

• PyTorch场景：自定义Dataset子类，__getitem__方法中根据下标取图像路径读取图像、返回对应标签即可
• TensorFlow/Keras场景：可以将路径和标签分别转成列表，用tf.data.Dataset.from_tensor_slices构建输入流水线

步骤4：结果校验 #

随机抽取5-10组配对结果，人工核对图像和标签是否匹配，避免因为编号提取逻辑错误导致全量数据关联错误。

注意事项 #

• 如果数据量较大，关联好的配对结果可以导出为新的CSV/JSON文件存储，后续不用每次重新执行关联逻辑
• 分类任务注意标签编码格式和模型要求对齐，比如需要整数编码还是独热编码，提前做转换即可

内容的提问来源于stack exchange，提问作者7006