将口罩重新用途为边界框¶

注意

尝试在Colab上运行或转到末尾下载完整的示例代码。

以下示例说明了torchvision.ops模块中可用的操作，用于将分割掩码重新用于不同任务的对象定位注释（例如，将实例和全景分割方法使用的掩码转换为对象检测方法使用的边界框）。

import os
import numpy as np
import torch
import matplotlib.pyplot as plt

import torchvision.transforms.functional as F


ASSETS_DIRECTORY = "../assets"

plt.rcParams["savefig.bbox"] = "tight"


def show(imgs):
    if not isinstance(imgs, list):
        imgs = [imgs]
    fix, axs = plt.subplots(ncols=len(imgs), squeeze=False)
    for i, img in enumerate(imgs):
        img = img.detach()
        img = F.to_pil_image(img)
        axs[0, i].imshow(np.asarray(img))
        axs[0, i].set(xticklabels=[], yticklabels=[], xticks=[], yticks=[])

口罩¶

在实例分割和全景分割等任务中，通常会定义掩码，并且由这个包定义为具有以下形状的多维数组（例如NumPy数组或PyTorch张量）：

(num_objects, height, width)

其中 num_objects 是图像中标注对象的数量。每个 (height, width) 对象恰好对应一个对象。例如，如果您的输入图像尺寸为 224 x 224 并且有四个标注对象，那么您的 masks 标注的形状将如下所示：

(4, 224, 224).

掩码的一个很好的特性是它们可以很容易地重新用于方法中，以解决各种对象定位任务。

将掩码转换为边界框¶

例如，masks_to_boxes() 操作可以用于将掩码转换为边界框，这些边界框可以用作检测模型（如 FasterRCNN 和 RetinaNet）的输入。我们将从 PenFudan 数据集中获取图像和掩码。

from torchvision.io import decode_image

img_path = os.path.join(ASSETS_DIRECTORY, "FudanPed00054.png")
mask_path = os.path.join(ASSETS_DIRECTORY, "FudanPed00054_mask.png")
img = decode_image(img_path)
mask = decode_image(mask_path)

这里，掩码以PNG图像的形式表示，具有浮点值。每个像素被编码为不同的颜色，0表示背景。请注意，图像和掩码的空间维度是匹配的。

print(mask.size())
print(img.size())
print(mask)

torch.Size([1, 498, 533])
torch.Size([3, 498, 533])
tensor([[[0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0],
         ...,
         [0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0]]], dtype=torch.uint8)

# We get the unique colors, as these would be the object ids.
obj_ids = torch.unique(mask)

# first id is the background, so remove it.
obj_ids = obj_ids[1:]

# split the color-encoded mask into a set of boolean masks.
# Note that this snippet would work as well if the masks were float values instead of ints.
masks = mask == obj_ids[:, None, None]

现在这些掩码是一个布尔张量。在这种情况下，第一个维度是3，表示实例的数量：图像中有3个人。其他两个维度是高度和宽度，它们等于图像的尺寸。对于每个实例，布尔张量表示特定像素是否属于图像的分割掩码。

print(masks.size())
print(masks)

torch.Size([3, 498, 533])
tensor([[[False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         ...,
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False]],

        [[False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         ...,
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False]],

        [[False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         ...,
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False]]])

让我们可视化一张图像并绘制其对应的分割掩码。我们将使用draw_segmentation_masks()来绘制分割掩码。

from torchvision.utils import draw_segmentation_masks

drawn_masks = []
for mask in masks:
    drawn_masks.append(draw_segmentation_masks(img, mask, alpha=0.8, colors="blue"))

show(drawn_masks)

将布尔掩码转换为边界框。我们将使用来自torchvision.ops模块的masks_to_boxes()。它返回(xmin, ymin, xmax, ymax)格式的框。

from torchvision.ops import masks_to_boxes

boxes = masks_to_boxes(masks)
print(boxes.size())
print(boxes)

torch.Size([3, 4])
tensor([[ 96., 134., 181., 417.],
        [286., 113., 357., 331.],
        [363., 120., 436., 328.]])

如图所示，有3个盒子，格式为(xmin, ymin, xmax, ymax)。这些可以很容易地使用draw_bounding_boxes()工具进行可视化，该工具由torchvision.utils提供。

from torchvision.utils import draw_bounding_boxes

drawn_boxes = draw_bounding_boxes(img, boxes, colors="red")
show(drawn_boxes)

这些框现在可以直接被torchvision中的检测模型使用。这里是一个使用从fasterrcnn_resnet50_fpn()加载的Faster R-CNN模型的演示。

from torchvision.models.detection import fasterrcnn_resnet50_fpn, FasterRCNN_ResNet50_FPN_Weights

weights = FasterRCNN_ResNet50_FPN_Weights.DEFAULT
model = fasterrcnn_resnet50_fpn(weights=weights, progress=False)
print(img.size())

transforms = weights.transforms()
img = transforms(img)
target = {}
target["boxes"] = boxes
target["labels"] = labels = torch.ones((masks.size(0),), dtype=torch.int64)
detection_outputs = model(img.unsqueeze(0), [target])

Downloading: "https://download.pytorch.org/models/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth" to /root/.cache/torch/hub/checkpoints/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth
torch.Size([3, 498, 533])

将分割数据集转换为检测数据集¶

使用这个工具，将分割数据集转换为检测数据集变得非常简单。这样我们现在可以使用分割数据集来训练检测模型。同样地，可以将全景数据集转换为检测数据集。这里有一个例子，我们重新利用了来自 PenFudan Detection Tutorial的数据集。

class SegmentationToDetectionDataset(torch.utils.data.Dataset):
    def __init__(self, root, transforms):
        self.root = root
        self.transforms = transforms
        # load all image files, sorting them to
        # ensure that they are aligned
        self.imgs = list(sorted(os.listdir(os.path.join(root, "PNGImages"))))
        self.masks = list(sorted(os.listdir(os.path.join(root, "PedMasks"))))

    def __getitem__(self, idx):
        # load images and masks
        img_path = os.path.join(self.root, "PNGImages", self.imgs[idx])
        mask_path = os.path.join(self.root, "PedMasks", self.masks[idx])

        img = decode_image(img_path)
        mask = decode_image(mask_path)

        img = F.convert_image_dtype(img, dtype=torch.float)
        mask = F.convert_image_dtype(mask, dtype=torch.float)

        # We get the unique colors, as these would be the object ids.
        obj_ids = torch.unique(mask)

        # first id is the background, so remove it.
        obj_ids = obj_ids[1:]

        # split the color-encoded mask into a set of boolean masks.
        masks = mask == obj_ids[:, None, None]

        boxes = masks_to_boxes(masks)

        # there is only one class
        labels = torch.ones((masks.shape[0],), dtype=torch.int64)

        target = {}
        target["boxes"] = boxes
        target["labels"] = labels

        if self.transforms is not None:
            img, target = self.transforms(img, target)

        return img, target

脚本总运行时间： (0 分钟 2.304 秒)

Gallery generated by Sphinx-Gallery