将掩模改造成边界框¶

注意

在 Colab 中尝试，或转到末尾下载完整的示例代码。

以下示例说明了 torchvision.ops 模块中可用的操作，用于将分割掩模改造成用于不同任务的物体定位标注（例如，将实例分割和全景分割方法使用的掩模转换为物体检测方法使用的边界框）。

import os
import numpy as np
import torch
import matplotlib.pyplot as plt

import torchvision.transforms.functional as F


ASSETS_DIRECTORY = "../assets"

plt.rcParams["savefig.bbox"] = "tight"


def show(imgs):
    if not isinstance(imgs, list):
        imgs = [imgs]
    fix, axs = plt.subplots(ncols=len(imgs), squeeze=False)
    for i, img in enumerate(imgs):
        img = img.detach()
        img = F.to_pil_image(img)
        axs[0, i].imshow(np.asarray(img))
        axs[0, i].set(xticklabels=[], yticklabels=[], xticks=[], yticks=[])

掩模¶

在实例分割和全景分割等任务中，掩模通常被定义，并由本软件包定义为具有以下形状的多维数组（例如 NumPy 数组或 PyTorch 张量）

(num_objects, height, width)

其中 num_objects 是图像中已标注对象的数量。每个 (height, width) 对象精确对应一个对象。例如，如果输入图像的尺寸为 224 x 224 且有四个已标注的对象，则掩模标注的形状如下：

(4, 224, 224).

掩模的一个优点是它们可以轻松地重新用于解决各种物体定位任务的方法中。

将掩模转换为边界框¶

例如，可以使用 masks_to_boxes() 操作将掩模转换为可作为 FasterRCNN 和 RetinaNet 等检测模型输入的边界框。我们将使用来自 PenFudan 数据集的图像和掩模。

from torchvision.io import decode_image

img_path = os.path.join(ASSETS_DIRECTORY, "FudanPed00054.png")
mask_path = os.path.join(ASSETS_DIRECTORY, "FudanPed00054_mask.png")
img = decode_image(img_path)
mask = decode_image(mask_path)

此处，掩模表示为 PNG 图像，具有浮点值。每个像素都编码为不同的颜色，其中 0 为背景。请注意，图像和掩模的空间尺寸是匹配的。

print(mask.size())
print(img.size())
print(mask)

torch.Size([1, 498, 533])
torch.Size([3, 498, 533])
tensor([[[0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0],
         ...,
         [0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0],
         [0, 0, 0,  ..., 0, 0, 0]]], dtype=torch.uint8)

# We get the unique colors, as these would be the object ids.
obj_ids = torch.unique(mask)

# first id is the background, so remove it.
obj_ids = obj_ids[1:]

# split the color-encoded mask into a set of boolean masks.
# Note that this snippet would work as well if the masks were float values instead of ints.
masks = mask == obj_ids[:, None, None]

现在，掩模是一个布尔张量。此处的第一个维度为 3，表示实例的数量：图像中有 3 个人。另外两个维度是高度和宽度，它们等于图像的尺寸。对于每个实例，布尔张量表示特定像素是否属于图像的分割掩模。

print(masks.size())
print(masks)

torch.Size([3, 498, 533])
tensor([[[False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         ...,
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False]],

        [[False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         ...,
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False]],

        [[False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         ...,
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False],
         [False, False, False,  ..., False, False, False]]])

让我们可视化一张图像并绘制其对应的分割掩模。我们将使用 draw_segmentation_masks() 来绘制分割掩模。

from torchvision.utils import draw_segmentation_masks

drawn_masks = []
for mask in masks:
    drawn_masks.append(draw_segmentation_masks(img, mask, alpha=0.8, colors="blue"))

show(drawn_masks)

要将布尔掩模转换为边界框，我们将使用 torchvision.ops 模块中的 masks_to_boxes()。它返回的边界框格式为 (xmin, ymin, xmax, ymax)。

from torchvision.ops import masks_to_boxes

boxes = masks_to_boxes(masks)
print(boxes.size())
print(boxes)

torch.Size([3, 4])
tensor([[ 96., 134., 181., 417.],
        [286., 113., 357., 331.],
        [363., 120., 436., 328.]])

如形状所示，有 3 个边界框，格式为 (xmin, ymin, xmax, ymax)。这些边界框可以使用 torchvision 中提供的 draw_bounding_boxes() 工具非常轻松地进行可视化。

from torchvision.utils import draw_bounding_boxes

drawn_boxes = draw_bounding_boxes(img, boxes, colors="red")
show(drawn_boxes)

这些边界框现在可以直接由 torchvision 中的检测模型使用。下面是使用从 fasterrcnn_resnet50_fpn() 加载的 Faster R-CNN 模型的演示。

from torchvision.models.detection import fasterrcnn_resnet50_fpn, FasterRCNN_ResNet50_FPN_Weights

weights = FasterRCNN_ResNet50_FPN_Weights.DEFAULT
model = fasterrcnn_resnet50_fpn(weights=weights, progress=False)
print(img.size())

transforms = weights.transforms()
img = transforms(img)
target = {}
target["boxes"] = boxes
target["labels"] = labels = torch.ones((masks.size(0),), dtype=torch.int64)
detection_outputs = model(img.unsqueeze(0), [target])

Downloading: "https://download.pytorch.org/models/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth" to /root/.cache/torch/hub/checkpoints/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth
torch.Size([3, 498, 533])

将分割数据集转换为检测数据集¶

有了这个工具，将分割数据集转换为检测数据集就变得非常简单。这样我们就可以使用分割数据集来训练检测模型。类似地，也可以将全景数据集转换为检测数据集。下面是一个示例，我们将来自 PenFudan 检测教程的数据集进行重新利用。

class SegmentationToDetectionDataset(torch.utils.data.Dataset):
    def __init__(self, root, transforms):
        self.root = root
        self.transforms = transforms
        # load all image files, sorting them to
        # ensure that they are aligned
        self.imgs = list(sorted(os.listdir(os.path.join(root, "PNGImages"))))
        self.masks = list(sorted(os.listdir(os.path.join(root, "PedMasks"))))

    def __getitem__(self, idx):
        # load images and masks
        img_path = os.path.join(self.root, "PNGImages", self.imgs[idx])
        mask_path = os.path.join(self.root, "PedMasks", self.masks[idx])

        img = decode_image(img_path)
        mask = decode_image(mask_path)

        img = F.convert_image_dtype(img, dtype=torch.float)
        mask = F.convert_image_dtype(mask, dtype=torch.float)

        # We get the unique colors, as these would be the object ids.
        obj_ids = torch.unique(mask)

        # first id is the background, so remove it.
        obj_ids = obj_ids[1:]

        # split the color-encoded mask into a set of boolean masks.
        masks = mask == obj_ids[:, None, None]

        boxes = masks_to_boxes(masks)

        # there is only one class
        labels = torch.ones((masks.shape[0],), dtype=torch.int64)

        target = {}
        target["boxes"] = boxes
        target["labels"] = labels

        if self.transforms is not None:
            img, target = self.transforms(img, target)

        return img, target

脚本总运行时间： (0 分钟 2.158 秒)

由 Sphinx-Gallery 生成的画廊

将掩模改造成边界框¶

掩模¶

将掩模转换为边界框¶

将分割数据集转换为检测数据集¶

文档

教程

资源