Boîtes englobantes

Deep Learning pour les images avec PyTorch

Michal Oleszak

Machine Learning Engineer

Qu'est-ce que la reconnaissance d'objets ?

La reconnaissance d'objets repère les objets dans les images :

Emplacement de chaque objet (boîte englobante)
Étiquette de classe de chaque objet

Applications : surveillance, diagnostic médical, gestion de la circulation, analyse sportive

Dans cette vidéo : annotation avec boîtes englobantes
Dans les suivantes : évaluation et modèles

détection en conduite automobile

Représentation d'une boîte englobante

Rectangle décrivant l'emplacement spatial de l'objet
Sert aux annotations d'entraînement et aux sorties de modèles
Boîte englobante de référence : position précise de l'objet

coordonnées de la boîte englobante

Représentation d'une boîte englobante

Rectangle décrivant l'emplacement spatial de l'objet
Sert aux annotations d'entraînement et aux sorties de modèles
Boîte englobante de référence : position précise de l'objet
Coordonnées de la boîte :
- Haut gauche et bas droit
- Boîte = (x1, y1, x2, y2)
- x1 = x_min, x2 = x_max, …

coordonnées de la boîte englobante

Pixels et coordonnées

coordonnées de la boîte

Coordonnées : x = numéro de colonne, y = numéro de ligne
Origine : (0, 0) = coin supérieur gauche

Convertir des pixels en tenseurs

Transformation avec ToTensor()

Type de tenseur :
- torch.float
Plage mise à l'échelle :
- [0.0, 1.0]

import torchvision.transforms as transforms

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

Transformation avec PILToTensor()

Type de tenseur :
- torch.uint8 (entier 8 bits)
Plage non mise à l'échelle :
- [0, 255]

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

Tracer la boîte englobante

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)

Importer draw_bounding_boxes
Rassembler les coordonnées dans un tenseur
Ajouter une dimension (unsqueeze) pour obtenir 2 dimensions
Convertir en image et tracer

chat avec boîte

Passons à la pratique !

Deep Learning pour les images avec PyTorch