目标检测

目标检测模型用于识别图像中的物体，而目标检测数据集则用于自动驾驶、火灾等自然灾害检测等应用。本指南将向您展示如何根据来自 Albumentations 的教程对目标检测数据集应用转换。

要运行这些示例，请确保您已安装最新版本的 albumentations 和 cv2。

pip install -U albumentations opencv-python

在本示例中，您将使用 cppe-5 数据集来识别 COVID-19 大流行背景下医疗个人防护装备 (PPE)。

加载数据集并查看示例

>>> from datasets import load_dataset

>>> ds = load_dataset("cppe-5")
>>> example = ds['train'][0]
>>> example
{'height': 663,
 'image': <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=943x663 at 0x7FC3DC756250>,
 'image_id': 15,
 'objects': {'area': [3796, 1596, 152768, 81002],
  'bbox': [[302.0, 109.0, 73.0, 52.0],
   [810.0, 100.0, 57.0, 28.0],
   [160.0, 31.0, 248.0, 616.0],
   [741.0, 68.0, 202.0, 401.0]],
  'category': [4, 4, 0, 0],
  'id': [114, 115, 116, 117]},
 'width': 943}

数据集包含以下字段

image: 包含图像的 PIL.Image.Image 对象。
image_id: 图像 ID。
height: 图像高度。
width: 图像宽度。
objects: 一个字典，包含图像中对象的边界框元数据
- id: 标注 ID。
- area: 边界框的面积。
- bbox: 对象的边界框（采用 coco 格式）。
- category: 对象的类别，可能的值包括 Coverall (0)、Face_Shield (1)、Gloves (2)、Goggles (3) 和 Mask (4)。

您可以使用一些内部 torch 工具在图像上可视化 bboxes。为此，您需要参考与类别 ID 关联的 ClassLabel 特性，以便查找字符串标签

>>> import torch
>>> from torchvision.ops import box_convert
>>> from torchvision.utils import draw_bounding_boxes
>>> from torchvision.transforms.functional import pil_to_tensor, to_pil_image

>>> categories = ds['train'].features['objects'].feature['category']

>>> boxes_xywh = torch.tensor(example['objects']['bbox'])
>>> boxes_xyxy = box_convert(boxes_xywh, 'xywh', 'xyxy')
>>> labels = [categories.int2str(x) for x in example['objects']['category']]
>>> to_pil_image(
...     draw_bounding_boxes(
...         pil_to_tensor(example['image']),
...         boxes_xyxy,
...         colors="red",
...         labels=labels,
...     )
... )

使用 albumentations，您可以应用会影响图像并相应更新 bboxes 的转换。在本例中，图像调整大小为 (480, 480)，水平翻转并变亮。

>>> import albumentations
>>> import numpy as np

>>> transform = albumentations.Compose([
...     albumentations.Resize(480, 480),
...     albumentations.HorizontalFlip(p=1.0),
...     albumentations.RandomBrightnessContrast(p=1.0),
... ], bbox_params=albumentations.BboxParams(format='coco',  label_fields=['category']))

>>> image = np.array(example['image'])
>>> out = transform(
...     image=image,
...     bboxes=example['objects']['bbox'],
...     category=example['objects']['category'],
... )

现在，当您可视化结果时，图像应该被翻转，但 bboxes 应该仍然在正确的位置。

>>> image = torch.tensor(out['image']).permute(2, 0, 1)
>>> boxes_xywh = torch.stack([torch.tensor(x) for x in out['bboxes']])
>>> boxes_xyxy = box_convert(boxes_xywh, 'xywh', 'xyxy')
>>> labels = [categories.int2str(x) for x in out['category']]
>>> to_pil_image(
...     draw_bounding_boxes(
...         image,
...         boxes_xyxy,
...         colors='red',
...         labels=labels
...     )
... )

创建一个函数来将转换应用于一批示例

>>> def transforms(examples):
...     images, bboxes, categories = [], [], []
...     for image, objects in zip(examples['image'], examples['objects']):
...         image = np.array(image.convert("RGB"))
...         out = transform(
...             image=image,
...             bboxes=objects['bbox'],
...             category=objects['category']
...         )
...         images.append(torch.tensor(out['image']).permute(2, 0, 1))
...         bboxes.append(torch.tensor(out['bboxes']))
...         categories.append(out['category'])
...     return {'image': images, 'bbox': bboxes, 'category': categories}

使用 set_transform() 函数即时应用转换，从而减少磁盘空间的使用。数据增强的随机性可能会在您两次访问同一示例时返回不同的图像。在训练模型多个 epoch 时，这尤其有用。

>>> ds['train'].set_transform(transforms)

您可以通过可视化第 10 个示例来验证转换是否有效

>>> example = ds['train'][10]
>>> to_pil_image(
...     draw_bounding_boxes(
...         example['image'],
...         box_convert(example['bbox'], 'xywh', 'xyxy'),
...         colors='red',
...         labels=[categories.int2str(x) for x in example['category']]
...     )
... )

现在您已经了解了如何处理用于对象检测的数据集，请学习如何训练对象检测模型并将其用于推理。

< > 在 GitHub 上更新