Tensorflow Object Detection API обрезает сегменты изображения - PullRequest
Новая
       42

Tensorflow Object Detection API обрезает сегменты изображения

0 голосов
/ 07 декабря 2018

Я использую Tensorflow Object Detection API с моделями, которые могут обнаруживать объекты с ограничивающими рамками и масками.

Вот мой код: 

def run_inference_for_single_image_raw(image, graph):
  with graph.as_default():
    with tf.Session() as sess:
      ops = tf.get_default_graph().get_operations()
      all_tensor_names = {output.name for op in ops for output in op.outputs}
      tensor_dict = {}
      for key in [
          'num_detections', 'detection_boxes', 'detection_scores',
          'detection_classes', 'detection_masks'
      ]:
        tensor_name = key + ':0'
        if tensor_name in all_tensor_names:
          tensor_dict[key] = tf.get_default_graph().get_tensor_by_name(
              tensor_name)
      if 'detection_masks' in tensor_dict:
        detection_boxes = tf.squeeze(tensor_dict['detection_boxes'], [0])
        detection_masks = tf.squeeze(tensor_dict['detection_masks'], [0])
        real_num_detection = tf.cast(tensor_dict['num_detections'][0], tf.int32)
        detection_boxes = tf.slice(detection_boxes, [0, 0], [real_num_detection, -1])
        detection_masks = tf.slice(detection_masks, [0, 0, 0], [real_num_detection, -1, -1])
        detection_masks_reframed = utils_ops.reframe_box_masks_to_image_masks(
            detection_masks, detection_boxes, image.shape[0], image.shape[1])
        detection_masks_reframed = tf.cast(
            tf.greater(detection_masks_reframed, 0.5), tf.uint8)
        tensor_dict['detection_masks'] = tf.expand_dims(
            detection_masks_reframed, 0)
      image_tensor = tf.get_default_graph().get_tensor_by_name('image_tensor:0')

      output_dict = sess.run(tensor_dict,
                             feed_dict={image_tensor: np.expand_dims(image, 0)})

  return output_dict

Так что, если я запускаю следующий код: 

vis_util.visualize_boxes_and_labels_on_image_array(
      image,
      output_dict['detection_boxes'],
      output_dict['detection_classes'],
      output_dict['detection_scores'],
      category_index,
      instance_masks=output_dict.get('detection_masks'),
      use_normalized_coordinates=True,
      line_thickness=8)
plt.figure(figsize=(12, 8))
plt.grid(False)
plt.imshow(image)

Результат (Изображение с ограничивающими рамками и масками): Image with bounding boxes and masks

Итак, как я могу обрезать объекты изображения по пути маски, без ограничивающей рамки Так что здесь, в этом примере, я хочу иметь выходные изображения только с объектом (кошка / бутылка) на прозрачном фоне.(Может быть с использованием PIL или OpenCV и т. Д.)

1 Ответ

0 голосов
/ 13 декабря 2018

Так что, если output_dict.get('detection_masks') это объект-пустышка и фактически двоичная маска, вы можете обрезать изображение, просто умножив или используя np.where

mask = output_dict.get('detection_masks')
img_cropped = img * mask

Это обрезает все обнаруженные объекты, но если вы хотитеДля индивидуальной обрезки объектов есть способ определения контуров.Мы можем использовать scikit-image для этого 

from skimage import measure
label_mask = measure.label(mask)

Теперь мы пометили все подключенные компоненты в двоичном изображении и присвоили числовые метки каждому (изменяя значения пикселей).Ярлыки начинаются с «1» и заканчиваются числом объектов. 

single_object_mask = (label_mask == 1) #or 2, 3...

Это отфильтрует изображение label_mask с указанным вами ярлыком.Вы также можете использовать информацию Bounding Box для обрезки определенного объекта (ов).

...