深度估计

深度估计数据集用于训练模型，以近似图像中每个像素到相机的相对距离，也称为深度。这些数据集所支持的应用程序主要位于视觉机器感知和机器人感知等领域。例如应用程序包括为自动驾驶汽车绘制街道地图。本指南将向您展示如何对深度估计数据集应用转换。

在开始之前，请确保您已安装最新的 albumentations 版本

pip install -U albumentations

Albumentations 是一个 Python 库，用于对计算机视觉执行数据增强。它支持各种计算机视觉任务，例如图像分类、目标检测、分割和关键点估计。

本指南使用 NYU Depth V2 数据集，该数据集包含来自各种室内场景的视频序列，由 RGB 和深度相机记录。数据集包含来自 3 个城市的场景，并提供图像及其深度图作为标签。

加载数据集的 train 分割，并查看一个示例

>>> from datasets import load_dataset

>>> train_dataset = load_dataset("sayakpaul/nyu_depth_v2", split="train")
>>> index = 17
>>> example = train_dataset[index]
>>> example
{'image': <PIL.PngImagePlugin.PngImageFile image mode=RGB size=640x480>,
 'depth_map': <PIL.TiffImagePlugin.TiffImageFile image mode=F size=640x480>}

数据集有两个字段

image：一个带有 uint8 数据类型的 PIL PNG 图像对象。
depth_map：一个带有 float32 数据类型的 PIL Tiff 图像对象，它是图像的深度图。

值得一提的是，JPEG/PNG 格式只能存储 uint8 或 uint16 数据。由于深度图是 float32 数据，因此无法使用 PNG/JPEG 存储。但是，我们可以使用 TIFF 格式保存深度图，因为它支持更广泛的数据类型，包括 float32 数据。

接下来，查看带有

>>> example["image"]

在我们查看深度图之前，我们需要先使用 .convert('RGB') 将其数据类型转换为 uint8，因为 PIL 无法显示 float32 图像。现在看一下其相应的深度图

>>> example["depth_map"].convert("RGB")

它全黑！您需要向深度图添加一些颜色才能正确地可视化它。为此，我们可以使用 plt.imshow() 在显示过程中自动应用颜色，或者使用 plt.cm 创建一个彩色深度图，然后将其显示出来。在本例中，我们使用了后者，因为我们稍后可以保存/写入彩色深度图。（以下实用程序取自 FastDepth 存储库）。

>>> import numpy as np
>>> import matplotlib.pyplot as plt

>>> cmap = plt.cm.viridis

>>> def colored_depthmap(depth, d_min=None, d_max=None):
...     if d_min is None:
...         d_min = np.min(depth)
...     if d_max is None:
...         d_max = np.max(depth)
...     depth_relative = (depth - d_min) / (d_max - d_min)
...     return 255 * cmap(depth_relative)[:,:,:3]

>>> def show_depthmap(depth_map):
...    if not isinstance(depth_map, np.ndarray):
...        depth_map = np.array(depth_map)
...    if depth_map.ndim == 3:
...        depth_map = depth_map.squeeze()

...    d_min = np.min(depth_map)
...    d_max = np.max(depth_map)
...    depth_map = colored_depthmap(depth_map, d_min, d_max)

...    plt.imshow(depth_map.astype("uint8"))
...    plt.axis("off")
...    plt.show()

>>> show_depthmap(example["depth_map"])

您也可以可视化多个不同的图像及其相应的深度图。

>>> def merge_into_row(input_image, depth_target):
...     if not isinstance(input_image, np.ndarray):
...         input_image = np.array(input_image)
...
...     d_min = np.min(depth_target)
...     d_max = np.max(depth_target)
...     depth_target_col = colored_depthmap(depth_target, d_min, d_max)
...     img_merge = np.hstack([input_image, depth_target_col])
...
...     return img_merge

>>> random_indices = np.random.choice(len(train_dataset), 9).tolist()
>>> plt.figure(figsize=(15, 6))
>>> for i, idx in enumerate(random_indices):
...     example = train_dataset[idx]
...     ax = plt.subplot(3, 3, i + 1)
...     image_viz = merge_into_row(
...         example["image"], example["depth_map"]
...     )
...     plt.imshow(image_viz.astype("uint8"))
...     plt.axis("off")

现在使用 albumentations 应用一些增强。增强转换包括

随机水平翻转
随机裁剪
随机亮度和对比度
随机伽马校正
随机色调饱和度

>>> import albumentations as A

>>> crop_size = (448, 576)
>>> transforms = [
...     A.HorizontalFlip(p=0.5),
...     A.RandomCrop(crop_size[0], crop_size[1]),
...     A.RandomBrightnessContrast(),
...     A.RandomGamma(),
...     A.HueSaturationValue()
... ]

此外，定义一个映射以更好地反映目标键名。

>>> additional_targets = {"depth": "mask"}
>>> aug = A.Compose(transforms=transforms, additional_targets=additional_targets)

定义了 additional_targets 后，您可以将目标深度图传递给 aug 的 depth 参数，而不是 mask。您将在下面定义的 apply_transforms() 函数中注意到此更改。

创建一个函数，将转换应用于图像及其深度图

>>> def apply_transforms(examples):
...     transformed_images, transformed_maps = [], []
...     for image, depth_map in zip(examples["image"], examples["depth_map"]):
...         image, depth_map = np.array(image), np.array(depth_map)
...         transformed = aug(image=image, depth=depth_map)
...         transformed_images.append(transformed["image"])
...         transformed_maps.append(transformed["depth"])
...
...     examples["pixel_values"] = transformed_images
...     examples["labels"] = transformed_maps
...     return examples

使用 set_transform() 函数将转换动态应用于数据集的批次，以减少磁盘空间消耗

>>> train_dataset.set_transform(apply_transforms)

您可以通过索引到示例图像的 pixel_values 和 labels 中来验证转换是否成功

>>> example = train_dataset[index]

>>> plt.imshow(example["pixel_values"])
>>> plt.axis("off")
>>> plt.show()

可视化图像相应深度图上的相同转换

>>> show_depthmap(example["labels"])

您也可以使用之前的 random_indices 可视化多个训练样本

>>> plt.figure(figsize=(15, 6))

>>> for i, idx in enumerate(random_indices):
...     ax = plt.subplot(3, 3, i + 1)
...     example = train_dataset[idx]
...     image_viz = merge_into_row(
...         example["pixel_values"], example["labels"]
...     )
...     plt.imshow(image_viz.astype("uint8"))
...     plt.axis("off")

< > 在 GitHub 上更新