邊界框

使用 PyTorch 進行影像深度學習

Michal Oleszak

Machine Learning Engineer

什麼是物件辨識？

物件辨識 用於在影像中找出物件：

影像中每個物件的位置（邊界框）
每個物件的類別標籤

應用：監控、醫療診斷、交通管理、運動分析

本支影片：用邊界框標註
後續影片：評估與模型

駕駛車輛偵測

邊界框表達方式

描述物件空間位置的長方形框
訓練資料標註與模型輸出
真值邊界框：物件的精確位置

邊界框座標

邊界框表達方式

描述物件空間位置的長方形框
訓練資料標註與模型輸出
真值邊界框：物件的精確位置
邊界框座標：
- 左上與右下
- 邊界框 = (x1, y1, x2, y2)
- x1 = x_min，x2 = x_max，…

邊界框座標

像素與座標

框座標

座標：x 為欄號，y 為列號
原點：(0, 0) 在左上角

將像素轉為張量

使用 ToTensor() 轉換

Tensor 型別：
- torch.float
縮放後的範圍：
- [0.0, 1.0]

import torchvision.transforms as transforms

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

使用 PILToTensor() 轉換

Tensor 型別：
- torch.uint8（8 位元整數）
未縮放的範圍：
- [0, 255]

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

繪製邊界框

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)

匯入 draw_bounding_boxes
將座標收集為 tensor
擴增維度為二維
轉回影像並繪製

貓與方框

一起來練習吧！

使用 PyTorch 進行影像深度學習