Как я могу обрезать набор данных Coco для целей предварительной обработки?

Question

Я хочу использовать наборы данных кокосов для обучения сети ssd (однократный многоканальный детектор) в тензорном потоке 2.1

В документе говорится, что для устойчивости они используют обрезку изображений, поэтому я попытался использовать tf.image.sample_distorted_bounding_box()

Однако я понял, что эта функция изменяет размеры только ограничивающих рамок, не сохраняя соответствующие метки.

Как можно обрезать изображения с соответствующими bboxes и сохраненными метками? Соответствующее означает, что координаты bbox уточняются при изменении изображения и удаление bbox из обрезанного изображения.

Answer 1

Я работал над созданием генератора данных для набора данных COCO с PyCOCO для сегментации изображений, и я думаю, что мой опыт может помочь вам. Мой пост на носителе описывает весь процесс от начала до конца sh, включая добавление дополнений с помощью Tensorflow Keras к изображениям с соответствующими изменениями в масках, чтобы обеспечить сохранение меток (вы можете найти это в Часть 2 ).

Как объяснено в разделе «ДОБАВИТЬ АУГМЕНТАЦИИ» моего поста, чтобы гарантировать, что изображение и маска остаются в syn c даже после случайного увеличения (обрезка, поворот, яркость) , et c), «семя» должно оставаться одинаковым для обоих.

Однако, обратите внимание, я работал с Semanti c Маски сегментации, а не с Обнаружением объекта (ограничивающие рамки). Но я уверен, что вы можете извлечь из моего кода что-то полезное, что поможет вам найти решение вашей проблемы.