將掩碼重新用於邊界框¶

注意

在 Colab 上試用，或轉到末尾下載完整的示例程式碼。

以下示例說明了 torchvision.ops 模組中可用的操作，用於將分割掩碼重新用於不同任務的物件定位標註（例如，將例項分割和全景分割方法使用的掩碼轉換為物件檢測方法使用的邊界框）。

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=[])

掩碼¶

在例項分割和全景分割等任務中，掩碼通常是這樣定義的，並且由本軟體包定義，為一個多維陣列（例如 NumPy 陣列或 PyTorch 張量），其形狀如下：

(num_objects, height, width)

其中 num_objects 是影像中帶標註物件的數量。每個 (height, width) 物件對應一個物件。例如，如果輸入影像的尺寸為 224 x 224 且有四個帶標註的物件，則掩碼標註的形狀如下：

(4, 224, 224).

掩碼的一個優點是它們可以輕鬆地重新用於解決各種物件定位任務的方法。

將掩碼轉換為邊界框¶

例如，可以使用 masks_to_boxes() 操作將掩碼轉換為可作為 FasterRCNN 和 RetinaNet 等檢測模型輸入的邊界框。我們將使用來自 PenFudan 資料集的影像和掩碼。

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)

這裡的掩碼錶示為 PNG 影像，具有浮點值。每個畫素都以不同的顏色編碼，0 為背景。請注意，影像和掩碼的空間維度是匹配的。

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]

現在掩碼是一個布林張量。在這種情況下，第一個維度為 3，表示例項的數量：影像中有 3 個人。另外兩個維度是高度和寬度，它們等於影像的尺寸。對於每個例項，布林張量表示該特定畫素是否屬於影像的分割掩碼。

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]]])

讓我們視覺化一張影像並繪製其對應的分割掩碼。我們將使用 draw_segmentation_masks() 來繪製分割掩碼。

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)

要將布林掩碼轉換為邊界框。我們將使用 torchvision.ops 模組中的 masks_to_boxes()。它以 (xmin, ymin, xmax, ymax) 格式返回邊界框。

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.]])

如形狀所示，有 3 個邊界框，格式為 (xmin, ymin, xmax, ymax)。這些可以使用 torchvision.utils 中提供的 draw_bounding_boxes() 工具輕鬆視覺化。

from torchvision.utils import draw_bounding_boxes

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

這些邊界框現在可以直接被 torchvision 中的檢測模型使用。以下是一個使用從 fasterrcnn_resnet50_fpn() 載入的 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])

將分割資料集轉換為檢測資料集¶

有了這個工具，將分割資料集轉換為檢測資料集變得非常簡單。藉此，我們就可以使用分割資料集來訓練檢測模型。類似地，也可以將全景資料集轉換為檢測資料集。以下是一個將 PenFudan 檢測教程的資料集重新用於此目的的示例。

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

指令碼總執行時間： (0 分 2.165 秒)

由 Sphinx-Gallery 生成的畫廊

將掩碼重新用於邊界框¶

掩碼¶

將掩碼轉換為邊界框¶

將分割資料集轉換為檢測資料集¶

文件

教程

資源