Bounding boxes

Deep Learning สำหรับภาพด้วย PyTorch

Michal Oleszak

Machine Learning Engineer

การรู้จำวัตถุคืออะไร?

การรู้จำวัตถุ ระบุวัตถุในรูปภาพ:

ตำแหน่งของวัตถุแต่ละชิ้นในรูปภาพ (bounding box)
ป้ายกำกับคลาสของแต่ละวัตถุ

การประยุกต์ใช้: การเฝ้าระวัง, การวินิจฉัยทางการแพทย์, การจัดการจราจร, การวิเคราะห์กีฬา

ในวิดีโอนี้: การระบุตำแหน่งด้วย bounding box
ในวิดีโอถัดไป: การประเมินผลและโมเดล

การตรวจจับรถยนต์ที่กำลังขับ

การแทนค่า bounding box

กรอบสี่เหลี่ยมที่บอกตำแหน่งของวัตถุในภาพ
ใช้ในการระบุข้อมูลสำหรับการฝึก & ผลลัพธ์ของโมเดล
Ground truth bounding box: ตำแหน่งที่แม่นยำของวัตถุ

พิกัดของ bounding box

การแทนค่า bounding box

กรอบสี่เหลี่ยมที่บอกตำแหน่งของวัตถุในภาพ
ใช้ในการระบุข้อมูลสำหรับการฝึก & ผลลัพธ์ของโมเดล
Ground truth bounding box: ตำแหน่งที่แม่นยำของวัตถุ
พิกัดของ bounding box:
- มุมบนซ้ายและมุมล่างขวา
- Bounding box = (x1, y1, x2, y2)
- x1 = x_min, x2 = x_max, ...

พิกัดของ bounding box

พิกเซลและพิกัด

พิกัดกล่อง

พิกัด: x - หมายเลขคอลัมน์, y - หมายเลขแถว
จุดกำเนิด: (0, 0) - มุมบนซ้าย

การแปลงพิกเซลเป็น tensor

การแปลงด้วย ToTensor()

ประเภท tensor:
- torch.float
ช่วงค่า tensor หลังปรับสเกล:
- [0.0, 1.0]

import torchvision.transforms as transforms

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

การแปลงด้วย PILToTensor()

ประเภท tensor:
- torch.uint8 (จำนวนเต็ม 8 บิต)
ช่วงค่า tensor โดยไม่ปรับสเกล:
- [0, 255]

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

การวาด bounding box

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)

นำเข้า draw_bounding_boxes
รวบรวมพิกัดลงใน tensor
ใช้ unsqueeze เพื่อเพิ่มมิติ
แปลงเป็นรูปภาพและแสดงผล

แมวพร้อม bounding box

มาฝึกกันเถอะ!

Deep Learning สำหรับภาพด้วย PyTorch