Datasets documentation
Segmentação semântica
Segmentação semântica
Conjuntos de dados de segmentação semântica são usados para treinar um modelo a classificar cada pixel em uma imagem. Existem uma grande variedade de aplicações habilitadas por esses conjuntos de dados, como a remoção de fundo de imagens, a estilização de imagens ou a compreensão de cenas para direção autônoma. Este guia mostrará como aplicar transformações a um conjunto de dados de segmentação de imagem.
Antes de começar, verifique se você tem as versões mais recentes de albumentations e cv2 instaladas:
pip install -U albumentations opencv-python
Albumentations é uma biblioteca em Python para realizar aumento de dados para visão computacional. Ela suporta diversas tarefas de visão computacional, como classificação de imagens, detecção de objetos, segmentação e estimativa de pontos-chave.
Este guia usa o conjunto de dados Scene Parsing para segmentar e analisar uma imagem em diferentes regiões associadas a categorias semânticas, como céu, estrada, pessoa e cama.
Carregue o split train do conjunto de dados e veja um exemplo:
>>> 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}O conjunto de dados possui três campos:
image: um objeto de imagem PIL.annotation: máscara de segmentação da imagem.scene_category: o rótulo ou categoria da cena da imagem (como “cozinha” ou “escritório”).
A seguir, verifique uma imagem com:
>>> dataset[index]["image"]
Da mesma forma, você pode verificar a máscara de segmentação respectiva:
>>> dataset[index]["annotation"]
Também podemos adicionar uma paleta de cores na máscara de segmentação e sobrepor à imagem original para visualizar o conjunto de dados:
Depois de definir a paleta de cores, você deve estar pronto para visualizar alguns overlays.
>>> 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"])
... )
Agora aplique algumas aumentações com albumentations. Primeiro, redimensione a imagem e ajuste seu brilho.
>>> import albumentations
>>> transform = albumentations.Compose(
... [
... albumentations.Resize(256, 256),
... albumentations.RandomBrightnessContrast(brightness_limit=0.3, contrast_limit=0.3, p=0.5),
... ]
... )Crie uma função para aplicar a transformação às imagens:
>>> 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 examplesUse a função set_transform() para aplicar a transformação em tempo real aos lotes do conjunto de dados, consumindo menos espaço em disco:
>>> dataset.set_transform(transforms)Você pode verificar se a transformação funcionou indexando o pixel_values e o label de um exemplo:
>>> image = np.array(dataset[index]["pixel_values"])
>>> mask = np.array(dataset[index]["label"])
>>> visualize_seg_mask(image, mask)
Neste guia, você usou albumentations para aumentar o conjunto de dados. Também é possível usar torchvision para aplicar algumas transformações semelhantes.
>>> 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)
Update on GitHubAgora que você sabe como processar um dataset para segmentação semântica, aprenda como treinar um modelo de segmentação semântica e usá-lo para inferência.