语义分割
语义分割数据集用于训练模型对图像中的每个像素进行分类。这些数据集可以实现多种应用,例如图像的背景去除、图像风格化或自动驾驶的场景理解。本指南将向您展示如何对图像分割数据集应用转换。
在开始之前,请确保您已安装最新的 albumentations
和 cv2
版本
pip install -U albumentations opencv-python
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 场景解析 数据集来分割和解析图像,将其分解成与语义类别(例如天空、道路、人、床)相关的不同图像区域。
加载数据集的 train
拆分并查看一个示例
>>> from datasets import load_dataset
>>> dataset = load_dataset("scene_parse_150", split="train")
>>> index = 10
>>> dataset[index]
{'image': <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=683x512 at 0x7FB37B0EC810>,
'annotation': <PIL.PngImagePlugin.PngImageFile image mode=L size=683x512 at 0x7FB37B0EC9D0>,
'scene_category': 927}
数据集包含三个字段
image
:一个 PIL 图像对象。annotation
:图像的分割掩码。scene_category
:图像的标签或场景类别(例如“厨房”或“办公室”)。
接下来,查看带有
>>> dataset[index]["image"]
类似地,您可以查看相应的分割掩码
>>> dataset[index]["annotation"]
我们还可以添加一个 调色板 到分割掩码上,并将其叠加到原始图像上以可视化数据集
定义调色板后,您就可以开始可视化一些叠加效果了。
>>> import matplotlib.pyplot as plt
>>> def visualize_seg_mask(image: np.ndarray, mask: np.ndarray):
... color_seg = np.zeros((mask.shape[0], mask.shape[1], 3), dtype=np.uint8)
... palette = np.array(create_ade20k_label_colormap())
... for label, color in enumerate(palette):
... color_seg[mask == label, :] = color
... color_seg = color_seg[..., ::-1] # convert to BGR
... img = np.array(image) * 0.5 + color_seg * 0.5 # plot the image with the segmentation map
... img = img.astype(np.uint8)
... plt.figure(figsize=(15, 10))
... plt.imshow(img)
... plt.axis("off")
... plt.show()
>>> visualize_seg_mask(
... np.array(dataset[index]["image"]),
... np.array(dataset[index]["annotation"])
... )
现在使用 albumentations
应用一些增强。您将首先调整图像大小并调整其亮度。
>>> import albumentations
>>> transform = albumentations.Compose(
... [
... albumentations.Resize(256, 256),
... albumentations.RandomBrightnessContrast(brightness_limit=0.3, contrast_limit=0.3, p=0.5),
... ]
... )
创建一个函数来将转换应用于图像
>>> def transforms(examples):
... transformed_images, transformed_masks = [], []
...
... for image, seg_mask in zip(examples["image"], examples["annotation"]):
... image, seg_mask = np.array(image), np.array(seg_mask)
... transformed = transform(image=image, mask=seg_mask)
... transformed_images.append(transformed["image"])
... transformed_masks.append(transformed["mask"])
...
... examples["pixel_values"] = transformed_images
... examples["label"] = transformed_masks
... return examples
使用 set_transform() 函数对数据集的批次进行实时转换,以减少磁盘空间占用。
>>> dataset.set_transform(transforms)
您可以通过索引访问示例的 `pixel_values` 和 `label` 来验证转换是否成功。
>>> image = np.array(dataset[index]["pixel_values"])
>>> mask = np.array(dataset[index]["label"])
>>> visualize_seg_mask(image, mask)
在本指南中,您使用了 `albumentations` 来增强数据集。您也可以使用 `torchvision` 来应用一些类似的转换。
>>> from torchvision.transforms import Resize, ColorJitter, Compose
>>> transformation_chain = Compose([
... Resize((256, 256)),
... ColorJitter(brightness=0.25, contrast=0.25, saturation=0.25, hue=0.1)
... ])
>>> resize = Resize((256, 256))
>>> def train_transforms(example_batch):
... example_batch["pixel_values"] = [transformation_chain(x) for x in example_batch["image"]]
... example_batch["label"] = [resize(x) for x in example_batch["annotation"]]
... return example_batch
>>> dataset.set_transform(train_transforms)
>>> image = np.array(dataset[index]["pixel_values"])
>>> mask = np.array(dataset[index]["label"])
>>> visualize_seg_mask(image, mask)
现在您已经了解如何处理语义分割数据集,请学习 如何训练语义分割模型 并将其用于推理。