Как найти координаты ограничительных рамок в Tensorflow Object Detection API - PullRequest
Новая
       47

Как найти координаты ограничительных рамок в Tensorflow Object Detection API

1 голос
/ 13 мая 2019

Я использую код API обнаружения объектов Tensorflow.Я обучил свою модель и получил отличный процент обнаружения.Я пытался получить координаты ограничивающих прямоугольников, но он продолжает печатать список из 100 странных массивов.

после широкого поиска в Интернете я выяснил, что означают числа в массивах (координаты ограничивающего прямоугольника - это числа с плавающей точкой в ​​[0,0, 1,0] относительно ширины и высоты базового изображения.) Но, тем не менее, моймассивы сильно отличаются от тех, которые показаны в примерах онлайн.Еще одна странность заключается в том, что я протестировал свой модуль с количеством изображений, меньшим 100, поэтому, как могут быть данные о координатах 100 ограничивающих прямоугольников.

Массив, который я получаю; 

 [[3.13721418e-01 4.65148419e-01 7.11575747e-01 6.85783863e-01]
 [9.78936195e-01 6.50490820e-03 9.97096300e-01 1.82596639e-01]
 [9.51383412e-01 0.00000000e+00 1.00000000e+00 3.88432704e-02]
 [9.85813320e-01 8.96016136e-02 9.97273505e-01 3.15960884e-01]
 [9.88873005e-01 2.13812709e-01 1.00000000e+00 4.14675951e-01]

 ......
 [4.42647263e-02 9.90755498e-01 2.57772505e-01 1.00000000e+00]
 [2.69711018e-05 5.21758199e-02 6.37509704e-01 6.62899792e-01]
 [0.00000000e+00 3.00989419e-01 9.92376506e-02 1.00000000e+00]
 [1.87531322e-01 2.66501214e-04 4.50700432e-01 1.23927500e-02]
 [9.36755657e-01 4.61095899e-01 9.92406607e-01 7.62619019e-01]]

Функция, которая выполняет обнаружение и получает координаты ограничивающих прямоугольников.output_dict ['detection_boxes'] - это место, где содержится вышеуказанный массив. 

def run_inference_for_single_image(image, graph):
  with graph.as_default():
    with tf.Session() as sess:
      # Get handles to input and output tensors
      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:
        # The following processing is only for single image
        detection_boxes = tf.squeeze(tensor_dict['detection_boxes'], [0])
        detection_masks = tf.squeeze(tensor_dict['detection_masks'], [0])
        # Reframe is required to translate mask from box coordinates to image coordinates and fit the image size.
        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[1], image.shape[2])
        detection_masks_reframed = tf.cast(
            tf.greater(detection_masks_reframed, 0.5), tf.uint8)
        # Follow the convention by adding back the batch dimension
        tensor_dict['detection_masks'] = tf.expand_dims(
            detection_masks_reframed, 0)
      image_tensor = tf.get_default_graph().get_tensor_by_name('image_tensor:0')

      # Run inference
      output_dict = sess.run(tensor_dict,
                             feed_dict={image_tensor: image})

      # all outputs are float32 numpy arrays, so convert types as appropriate
      output_dict['num_detections'] = int(output_dict['num_detections'][0])
      output_dict['detection_classes'] = output_dict[
          'detection_classes'][0].astype(np.int64)
      output_dict['detection_boxes'] = output_dict['detection_boxes'][0]
      output_dict['detection_scores'] = output_dict['detection_scores'][0]
      if 'detection_masks' in output_dict:
        output_dict['detection_masks'] = output_dict['detection_masks'][0]
  return output_dict

Я ожидаю, что выходные данные будут регулярными x, y координатами ограничивающих прямоугольников.

1 Ответ

1 голос
/ 13 мая 2019

Значения в output_dict['detection_boxes'] действительно в нормализованном формате. При проверке значений в предоставленном вами массиве все эти значения находятся в диапазоне от 0 до 1, поэтому они являются разумными.

Есть 100 блоков, потому что модель всегда выдает одинаковое количество ограничивающих блоков. (Это равно max_total_detections в файле конфигурации). Но не все они всегда значимы, вам нужно отфильтровать некоторые поля в соответствии с показателем достоверности, который хранится в output_dict['scores'].

Чтобы получить обычные ограничивающие рамки. Вы можете сделать следующее: 

boxes = np.squeeze(output_dict['detection_boxes'])
scores = np.squeeze(output_dict['detection_scores'])
#set a min thresh score, say 0.8
min_score_thresh = 0.8
bboxes = boxes[scores > min_score_thresh]

#get image size
im_width, im_height = image.size
final_box = []
for box in bboxes:
    ymin, xmin, ymax, xmax = box
    final_box.append([xmin * im_width, xmax * im_width, ymin * im_height, ymax * im_height])
...