Обмежувальні прямокутники

Глибоке навчання для зображень із PyTorch

Michal Oleszak

Machine Learning Engineer

Що таке розпізнавання об'єктів?

Розпізнавання об'єктів знаходить об'єкти на зображеннях:

Розташування кожного об'єкта (обмежувальний прямокутник)
Клас кожного об'єкта

Застосування: відеонагляд, медична діагностика, керування трафіком, спортивна аналітика

У цьому відео: розмітка обмежувальними прямокутниками
У наступних відео: оцінювання та моделі

виявлення авто під час руху

Подання обмежувального прямокутника

Прямокутник, що описує просторове розташування об'єкта
Анотації в тренувальних даних і виходи моделі
Еталонний обмежувальний прямокутник: точне місце об'єкта

координати обмежувального прямокутника

Подання обмежувального прямокутника

Прямокутник, що описує просторове розташування об'єкта
Анотації в тренувальних даних і виходи моделі
Еталонний обмежувальний прямокутник: точне місце об'єкта
Координати прямокутника:
- Верхній лівий і нижній правий кути
- Bounding box = (x1, y1, x2, y2)
- x1 = x_min, x2 = x_max, ...

координати обмежувального прямокутника

Пікселі та координати

координати прямокутника

Координати: x — номер стовпця, y — номер рядка
Початок відліку: (0, 0) — верхній лівий кут

Перетворення пікселів на тензори

Перетворення через ToTensor()

Тип тензора:
- torch.float
Діапазон тензора (масштабований):
- [0.0, 1.0]

import torchvision.transforms as transforms

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

Перетворення через PILToTensor()

Тип тензора:
- torch.uint8 (8-бітове ціле)
Діапазон тензора (без масштабування):
- [0, 255]

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

Малювання обмежувального прямокутника

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)

Імпортуйте draw_bounding_boxes
Зберіть координати в тензор
Розширте до двох вимірів (unsqueeze)
Перетворіть у зображення та побудуйте графік

кіт із прямокутником

Давайте потренуємось!

Глибоке навчання для зображень із PyTorch