Ramki ograniczające

Głębokie uczenie dla obrazów z PyTorch

Michal Oleszak

Machine Learning Engineer

Czym jest rozpoznawanie obiektów?

Rozpoznawanie obiektów identyfikuje obiekty na obrazach:

Lokalizacja każdego obiektu (ramka ograniczająca)
Etykieta klasy każdego obiektu

Zastosowania: nadzór, diagnostyka medyczna, zarządzanie ruchem, analiza sportowa

W tym wideo: adnotacje z ramkami ograniczającymi
W kolejnych wideo: ewaluacja i modele

detekcja obiektów w jeździe

Reprezentacja ramki ograniczającej

Prostokąt opisujący przestrzenną lokalizację obiektu
Adnotacje danych treningowych i wyniki modelu
Ramka referencji: dokładna lokalizacja obiektu

współrzędne ramki ograniczającej

Reprezentacja ramki ograniczającej

Prostokąt opisujący przestrzenną lokalizację obiektu
Adnotacje danych treningowych i wyniki modelu
Ramka referencji: dokładna lokalizacja obiektu
Współrzędne ramki ograniczającej:
- Lewy górny i prawy dolny róg
- Ramka = (x1, y1, x2, y2)
- x1 = x_min, x2 = x_max, ...

współrzędne ramki ograniczającej

Piksele i współrzędne

współrzędne ramki

Współrzędne: x – numer kolumny, y – numer wiersza
Punkt odniesienia: (0, 0) – lewy górny róg

Konwersja pikseli na tensory

Przekształcanie za pomocą ToTensor()

Typ tensora:
- torch.float
Zakres tensora (po skalowaniu):
- [0.0, 1.0]

import torchvision.transforms as transforms

transform = transforms.Compose([
            transforms.Resize(224),
            transforms.ToTensor()
            ])
image_tensor = transform(image)

Przekształcanie za pomocą PILToTensor()

Typ tensora:
- torch.uint8 (8-bitowa liczba całkowita)
Zakres tensora (bez skalowania):
- [0, 255]

import torchvision.transforms as transforms
transform = transforms.Compose([
            transforms.Resize(224),
            transforms.PILToTensor()
            ])
image_tensor = transform(image)

Rysowanie ramki ograniczającej

from torchvision.utils import draw_bounding_boxes


bbox = torch.tensor([x_min, y_min, x_max, y_max])
bbox = bbox.unsqueeze(0)

bbox_image = draw_bounding_boxes(
    image_tensor, bbox, width=3, colors="red"
)


transform = transforms.Compose([
    transforms.ToPILImage()
])
pil_image = transform(bbox_image)

import matplotlib.pyplot as plt
plt.imshow(pil_image)

Importowanie draw_bounding_boxes
Zebranie współrzędnych w tensor
Rozszerzenie do dwóch wymiarów
Przekształcenie na obraz i wizualizacja

kot z ramką

Czas na ćwiczenia!

Głębokie uczenie dla obrazów z PyTorch