边界框

使用 PyTorch 进行图像深度学习

Michal Oleszak

Machine Learning Engineer

什么是目标识别？

目标识别在图像中定位并分类目标：

每个目标的位置（边界框）
每个目标的类别标签

应用：安防、医疗诊断、交通管理、体育分析

本视频：用边界框标注
后续视频：评估与模型

行车检测

边界框表示法

用矩形框表示目标的空间位置
既用于训练数据标注，也用于模型输出
真实边界框：精确的目标位置

边界框坐标

边界框表示法

用矩形框表示目标的空间位置
既用于训练数据标注，也用于模型输出
真实边界框：精确的目标位置
边界框坐标：
- 左上角与右下角
- 边界框 = (x1, y1, x2, y2)
- x1 = x_min，x2 = x_max，…

边界框坐标

像素与坐标

框坐标

坐标：x 为列号，y 为行号
原点：(0, 0) 为左上角

将像素转换为张量

使用 ToTensor() 转换

张量类型：
- torch.float
缩放后取值范围：
- [0.0, 1.0]

import torchvision.transforms as transforms

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

使用 PILToTensor() 转换

张量类型：
- torch.uint8（8 位整数）
未缩放取值范围：
- [0, 255]

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

绘制边界框

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)

导入 draw_bounding_boxes
将坐标收集为张量
扩展为二维
转回图像并绘制

带框的猫

Passons à la pratique !

使用 PyTorch 进行图像深度学习