图像分割中常用数据集及处理思路(含代码)

图像分割中常用数据集及处理思路(含代码)

  • 常用数据集
    • 1.1 CityScapes
      • sota
    • 1.2 CamVid
      • sota
    • 1.3 ADE20K
      • sota
    • 1.4 PASCAL VOC 2012
      • sota
    • 1.5 COCO-Stuff
      • sota
    • 1.6 SUN RGBD
    • 1.7 NYUDv2
  • 在这里给大家一套普适的代码,供大家参考,以下是代码:
    • 首先导入我们需要的模块
    • 第二块比较鸡肋,可以直接省略这一步
    • 这里以ADE20K为例吧,首先应该重写Dataset,这是用自己数据集的一种非常重要的步骤
      • 初始化函数
      • 读取文件的函数
      • 进行数据处理的函数
      • 然后就是getitem和len了
    • 这里再给大家一个用哈希映射的方式处理标签的方法,这里可能速度会更快,用于那些已经上过色的标签:

常用数据集

1.1 CityScapes

道路场景 包含30个类别 2975张训练,500张验证,1525张测试 一共5000张
侧重于城市街景场景的语义理解,适用于多种视觉任务,数据来自50多个城市,多个季节,白天良好天气条件
手动挑选帧,多种背景
5000例精准标准,20000例粗糙标准
图像分割中常用数据集及处理思路(含代码)_第1张图片

sota

常规分割
图像分割中常用数据集及处理思路(含代码)_第2张图片
实时分割
图像分割中常用数据集及处理思路(含代码)_第3张图片

1.2 CamVid

是第一个具有语义标签的视频集合,包含元数据,该数据库共包含32个分类
图像分割中常用数据集及处理思路(含代码)_第4张图片

sota

常规分割算法
图像分割中常用数据集及处理思路(含代码)_第5张图片
实时分割算法
图像分割中常用数据集及处理思路(含代码)_第6张图片

1.3 ADE20K

ADE20k由27000多幅图像组成,跨越3000多个对象类别,数据集的当前版本包含:
27574张图片(25574张用于训练,2000张用于验证),跨越365个不同场景

sota

图像分割中常用数据集及处理思路(含代码)_第7张图片

1.4 PASCAL VOC 2012

该数据集包含20个对象类别,此数据集中的每个图像都有像素级分割注释,边界框注释和对象注释,该数据集已被广泛用于目标检测、语义分割和分类任务
图像分割中常用数据集及处理思路(含代码)_第8张图片

sota

图像分割中常用数据集及处理思路(含代码)_第9张图片

1.5 COCO-Stuff

该数据集用于场景理解任务(如语义分割、对象检测和图像字幕)的数据集,该数据集中有164k个图像,跨越172个类别
图像分割中常用数据集及处理思路(含代码)_第10张图片

sota

图像分割中常用数据集及处理思路(含代码)_第11张图片

1.6 SUN RGBD

通过四款3D摄像机采集图像和深度信息,这四款相机均含有色传感器 红外发射器 红外接收器 其中色彩传感器获取RGB信息,红外发射器和红外接收器获取深度信息。包含10335个房间场景的真实RGB-D图像,每个RGB图像都有相应的深度和分割图,标记对象类别多大700个,训练集和测试集分别包含5285和5050副图像
图像分割中常用数据集及处理思路(含代码)_第12张图片

1.7 NYUDv2

由来自各种室内场景的视频序列组成,由来自Microsoft kinect的RGB和深度相机记录,他的特点是:

  • 1449张密集标记的对齐RGB和深度图像
  • 464张来自3个城市的新场景
  • 407024新的未标记帧
  • 每个对象都标有一个类和一个实例号
    图像分割中常用数据集及处理思路(含代码)_第13张图片

在这里给大家一套普适的代码,供大家参考,以下是代码:

首先导入我们需要的模块

import os
import torch
import torch.utils.data as data
from PIL import Image
import torchvision.transforms.functional as F
import torchvision.transforms as transforms
import albumentations as A
import numpy as np
import random

其中 albumentations是数据增强的库,在检测分割任务中,这个图像增强的库比其他的库速度要快,后面也会出一个关于数据增强的文章。

第二块比较鸡肋,可以直接省略这一步

class ExtRandomCrop(object):
    def __init__(self, size, pad_if_needed=True):
        self.size = size
        self.pad_if_needed = pad_if_needed

    @staticmethod
    def get_params(img, output_size):
        """Get parameters for ``crop`` for a random crop.
        Args:
            img (PIL Image): Image to be cropped.
            output_size (tuple): Expected output size of the crop.
        Returns:
            tuple: params (i, j, h, w) to be passed to ``crop`` for random crop.
        """
        w, h = img.size
        th, tw = output_size
        if w == tw and h == th:
            return 0, 0, h, w

        i = random.randint(0, h - th)
        j = random.randint(0, w - tw)
        return i, j, th, tw

    def crop(self, img, lbl):
        """
        Args:
            img (PIL Image): Image to be cropped.
            lbl (PIL Image): Label to be cropped.
        Returns:
            PIL Image: Cropped image.
            PIL Image: Cropped label.
        """
        assert img.size == lbl.size, 'size of img and lbl should be the same. %s, %s' % (
            img.size, lbl.size)

        # pad the width if needed
        if self.pad_if_needed and img.size[0] < self.size[1]:
            img = F.pad(img, padding=int((1 + self.size[1] - img.size[0]) / 2))
            lbl = F.pad(lbl, padding=int((1 + self.size[1] - lbl.size[0]) / 2))

        # pad the height if needed
        if self.pad_if_needed and img.size[1] < self.size[0]:
            img = F.pad(img, padding=int((1 + self.size[0] - img.size[1]) / 2))
            lbl = F.pad(lbl, padding=int((1 + self.size[0] - lbl.size[1]) / 2))

        i, j, h, w = self.get_params(img, self.size)

        return F.crop(img, i, j, h, w), F.crop(lbl, i, j, h, w)

这里以ADE20K为例吧,首先应该重写Dataset,这是用自己数据集的一种非常重要的步骤

class ADE20K(data.Dataset)

初始化函数

def __init__(self, root, mode='train', crop_size=(512, 512)):
        self.root = root
        self.crop_size = crop_size
        self.random_crop = ExtRandomCrop(self.crop_size, pad_if_needed=True)

        if mode == 'train':
            self.mode = mode + 'ing'
        elif mode == 'val':
            self.mode = mode + 'idation'

        self.images, self.mask = self.read_file(self.root, self.mode)
        self.crop_size = crop_size

读取文件的函数

def read_file(self, path, mode):
        image_path = os.path.join(path, "images", mode)
        mask_path = os.path.join(path, "annotations", mode)

        image_files_list = os.listdir(image_path)
        mask_files_list = os.listdir(mask_path)

        image_list = [os.path.join(image_path, img) for img in image_files_list]
        mask_list = [os.path.join(mask_path, mask) for mask in mask_files_list]

        image_list.sort()
        mask_list.sort()

        return image_list, mask_list

进行数据处理的函数

def transform(self, image, mask):
        image = np.array(image)
        mask = np.array(mask)

        trans = A.Compose([
            A.HorizontalFlip(p=0.5),
            A.VerticalFlip(p=0.5),
            A.OneOf([
                A.MotionBlur(p=0.5),  # 使用随机大小的内核将运动模糊应用于输入图像。
                A.MedianBlur(blur_limit=3, p=0.5),  # 中值滤波
                A.Blur(blur_limit=3, p=0.2),  # 使用随机大小的内核模糊输入图像。
            ], p=1),
            A.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.2, rotate_limit=45, p=0.5),
            # 随机应用仿射变换:平移,缩放和旋转输入
            A.RandomBrightnessContrast(p=0.5),  # 随机明亮对比度
        ])

        trans_results = trans(image=image, mask=mask)

        return trans_results

然后就是getitem和len了

def __len__(self):
        return len(self.images)

    def __getitem__(self, index):
        image = Image.open(self.images[index]).convert('RGB')
        mask = Image.open(self.mask[index])

        image, mask = self.random_crop.crop(image, mask)
        mask = np.array(mask)

        if self.mode == "train":
            trans_results = self.transform(image, mask)
            image = trans_results['image']
            mask = trans_results['mask']

        transform_img = transforms.Compose(
            [
                transforms.ToTensor(),
                transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
            ]
        )

        image = transform_img(image)
        mask = torch.from_numpy(mask)

        return image, mask

这里再给大家一个用哈希映射的方式处理标签的方法,这里可能速度会更快,用于那些已经上过色的标签:

class LabelProcessor:
    def __init__(self, file_path):

        self.colormap = self.read_color_map(file_path)
        self.cm2lbl = self.encode_label_pix(self.colormap)

    @staticmethod
    def read_color_map(file_path):
        pd_label_color = pd.read_csv(file_path, sep=',')
        colormap = []
        for i in range(len(pd_label_color.index)):
            tmp = pd_label_color.iloc[i]
            color = [tmp['r'], tmp['g'], tmp['b']]
            colormap.append(color)
        return colormap

    @staticmethod
    def encode_label_pix(colormap):
        cm2lbl = np.zeros(256 ** 3)
        for i, cm in enumerate(colormap):
            cm2lbl[(cm[0] * 256 + cm[1]) * 256 + cm[2]] = i
        return cm2lbl

    def encode_label_img(self, img):
        data = np.array(img, dtype='int32')
        idx = (data[:, :, 0] * 256 + data[:, :, 1]) * 256 + data[:, :, 2]
        return np.array(self.cm2lbl[idx], dtype='int64')

你可能感兴趣的:(算法代码复现,计算机视觉,人工智能,深度学习)