電子發燒友App
創作
發文章
發帖 
提問 
發資料
發視頻在 第 14.3 節-第 14.8 節討論對象檢測任務時，矩形邊界框用于標記和預測圖像中的對象。本節將討論語義分割問題，重點關注如何將圖像劃分為屬于不同語義類的區域。與目標檢測不同，語義分割在像素級別識別和理解圖像中的內容：它對語義區域的標記和預測是在像素級別。 圖 14.9.1顯示了語義分割中圖像的狗、貓和背景的標簽。與目標檢測相比，語義分割中標記的像素級邊界明顯更細粒度。
圖 14.9.1語義分割中圖像的狗、貓和背景的標簽。
14.9.1。圖像分割和實例分割
計算機視覺領域還有兩個與語義分割類似的重要任務，即圖像分割和實例分割。我們將如下簡要地將它們與語義分割區分開來。
-
圖像分割將圖像分成幾個組成區域。這類問題的方法通常利用圖像中像素之間的相關性。它在訓練時不需要圖像像素的標簽信息，也不能保證分割后的區域在預測時具有我們希望得到的語義。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區域：一個覆蓋以黑色為主的嘴巴和眼睛，另一個覆蓋以黃色為主的身體其余部分。
-
實例分割也稱為同時檢測和分割。它研究如何識別圖像中每個對象實例的像素級區域。與語義分割不同，實例分割不僅需要區分語義，還需要區分不同的對象實例。例如，如果圖像中有兩只狗，實例分割需要區分一個像素屬于這兩只狗中的哪一只。
14.9.2。Pascal VOC2012 語義分割數據集
最重要的語義分割數據集之一是Pascal VOC2012。下面，我們將看看這個數據集。
數據集的 tar 文件大約 2 GB，因此下載文件可能需要一段時間。提取的數據集位于 ../data/VOCdevkit/VOC2012.
進入路徑后../data/VOCdevkit/VOC2012，我們可以看到數據集的不同組成部分。該ImageSets/Segmentation路徑包含指定訓練和測試樣本的文本文件，而 JPEGImages和SegmentationClass路徑分別存儲每個示例的輸入圖像和標簽。這里的label也是image格式的，和它的labeled input image大小一樣。此外，任何標簽圖像中具有相同顏色的像素屬于同一語義類。下面定義了read_voc_images將所有輸入圖像和標簽讀入內存的函數。
#@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)
我們繪制前五個輸入圖像及其標簽。在標簽圖像中，白色和黑色分別代表邊框和背景，而其他顏色對應不同的類別。
接下來，我們枚舉該數據集中所有標簽的 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常量，我們可以方便地找到標簽中每個像素的類索引。我們定義了voc_colormap2label 構建從上述 RGB 顏色值到類索引的映射的函數，以及voc_label_indices將任何 RGB 值映射到此 Pascal VOC2012 數據集中它們的類索引的函數。
上傳資料賺積分
工商網監
評論