電子發(fā)燒友App
創(chuàng)作
發(fā)文章
發(fā)帖 
提問(wèn) 
發(fā)資料
發(fā)視頻在 第 14.3 節(jié)-第 14.8 節(jié)討論對(duì)象檢測(cè)任務(wù)時(shí)，矩形邊界框用于標(biāo)記和預(yù)測(cè)圖像中的對(duì)象。本節(jié)將討論語(yǔ)義分割問(wèn)題，重點(diǎn)關(guān)注如何將圖像劃分為屬于不同語(yǔ)義類的區(qū)域。與目標(biāo)檢測(cè)不同，語(yǔ)義分割在像素級(jí)別識(shí)別和理解圖像中的內(nèi)容：它對(duì)語(yǔ)義區(qū)域的標(biāo)記和預(yù)測(cè)是在像素級(jí)別。 圖 14.9.1顯示了語(yǔ)義分割中圖像的狗、貓和背景的標(biāo)簽。與目標(biāo)檢測(cè)相比，語(yǔ)義分割中標(biāo)記的像素級(jí)邊界明顯更細(xì)粒度。
圖 14.9.1語(yǔ)義分割中圖像的狗、貓和背景的標(biāo)簽。
14.9.1。圖像分割和實(shí)例分割
計(jì)算機(jī)視覺(jué)領(lǐng)域還有兩個(gè)與語(yǔ)義分割類似的重要任務(wù)，即圖像分割和實(shí)例分割。我們將如下簡(jiǎn)要地將它們與語(yǔ)義分割區(qū)分開(kāi)來(lái)。
-
圖像分割將圖像分成幾個(gè)組成區(qū)域。這類問(wèn)題的方法通常利用圖像中像素之間的相關(guān)性。它在訓(xùn)練時(shí)不需要圖像像素的標(biāo)簽信息，也不能保證分割后的區(qū)域在預(yù)測(cè)時(shí)具有我們希望得到的語(yǔ)義。以圖 14.9.1中的圖像 作為輸入，圖像分割可以將狗分成兩個(gè)區(qū)域：一個(gè)覆蓋以黑色為主的嘴巴和眼睛，另一個(gè)覆蓋以黃色為主的身體其余部分。
-
實(shí)例分割也稱為同時(shí)檢測(cè)和分割。它研究如何識(shí)別圖像中每個(gè)對(duì)象實(shí)例的像素級(jí)區(qū)域。與語(yǔ)義分割不同，實(shí)例分割不僅需要區(qū)分語(yǔ)義，還需要區(qū)分不同的對(duì)象實(shí)例。例如，如果圖像中有兩只狗，實(shí)例分割需要區(qū)分一個(gè)像素屬于這兩只狗中的哪一只。
14.9.2。Pascal VOC2012 語(yǔ)義分割數(shù)據(jù)集
最重要的語(yǔ)義分割數(shù)據(jù)集之一是Pascal VOC2012。下面，我們將看看這個(gè)數(shù)據(jù)集。
數(shù)據(jù)集的 tar 文件大約 2 GB，因此下載文件可能需要一段時(shí)間。提取的數(shù)據(jù)集位于 ../data/VOCdevkit/VOC2012.
進(jìn)入路徑后../data/VOCdevkit/VOC2012，我們可以看到數(shù)據(jù)集的不同組成部分。該ImageSets/Segmentation路徑包含指定訓(xùn)練和測(cè)試樣本的文本文件，而 JPEGImages和SegmentationClass路徑分別存儲(chǔ)每個(gè)示例的輸入圖像和標(biāo)簽。這里的label也是image格式的，和它的labeled input image大小一樣。此外，任何標(biāo)簽圖像中具有相同顏色的像素屬于同一語(yǔ)義類。下面定義了read_voc_images將所有輸入圖像和標(biāo)簽讀入內(nèi)存的函數(shù)。
#@save
def read_voc_images(voc_dir, is_train=True):
"""Read all VOC feature and label images."""
txt_fname = os.path.join(voc_dir, 'ImageSets', 'Segmentation',
'train.txt' if is_train else 'val.txt')
mode = torchvision.io.image.ImageReadMode.RGB
with open(txt_fname, 'r') as f:
images = f.read().split()
features, labels = [], []
for i, fname in enumerate(images):
features.append(torchvision.io.read_image(os.path.join(
voc_dir, 'JPEGImages', f'{fname}.jpg')))
labels.append(torchvision.io.read_image(os.path.join(
voc_dir, 'SegmentationClass' ,f'{fname}.png'), mode))
return features, labels
train_features, train_labels = read_voc_images(voc_dir, True)
#@save
def read_voc_images(voc_dir, is_train=True):
"""Read all VOC feature and label images."""
txt_fname = os.path.join(voc_dir, 'ImageSets', 'Segmentation',
'train.txt' if is_train else 'val.txt')
with open(txt_fname, 'r') as f:
images = f.read().split()
features, labels = [], []
for i, fname in enumerate(images):
features.append(image.imread(os.path.join(
voc_dir, 'JPEGImages', f'{fname}.jpg')))
labels.append(image.imread(os.path.join(
voc_dir, 'SegmentationClass', f'{fname}.png')))
return features, labels
train_features, train_labels = read_voc_images(voc_dir, True)
我們繪制前五個(gè)輸入圖像及其標(biāo)簽。在標(biāo)簽圖像中，白色和黑色分別代表邊框和背景，而其他顏色對(duì)應(yīng)不同的類別。
接下來(lái)，我們枚舉該數(shù)據(jù)集中所有標(biāo)簽的 RGB 顏色值和類名。
#@save
VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],
[0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],
[64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],
[64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],
[0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],
[0, 64, 128]]
#@save
VOC_CLASSES = ['background', 'aeroplane', 'bicycle', 'bird', 'boat',
'bottle', 'bus', 'car', 'cat', 'chair', 'cow',
'diningtable', 'dog', 'horse', 'motorbike', 'person',
'potted plant', 'sheep', 'sofa', 'train', 'tv/monitor']
#@save
VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],
[0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],
[64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],
[64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],
[0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],
[0, 64, 128]]
#@save
VOC_CLASSES = ['background', 'aeroplane', 'bicycle', 'bird', 'boat',
'bottle', 'bus', 'car', 'cat', 'chair', 'cow',
'diningtable', 'dog', 'horse', 'motorbike', 'person',
'potted plant', 'sheep', 'sofa', 'train', 'tv/monitor']
使用上面定義的兩個(gè)常量，我們可以方便地找到標(biāo)簽中每個(gè)像素的類索引。我們定義了voc_colormap2label 構(gòu)建從上述 RGB 顏色值到類索引的映射的函數(shù)，以及voc_label_indices將任何 RGB 值映射到此 Pascal VOC2012 數(shù)據(jù)集中它們的類索引的函數(shù)。
上傳資料賺積分
工商網(wǎng)監(jiān)
評(píng)論