时间戳

首页 > 解决方案 > 保存 tensorflow 对象检测增强图像

tensorflow - 保存 tensorflow 对象检测增强图像

问题描述

有没有办法在所有预处理/增强之后查看 tensorflow 对象检测 api 训练的图像。

我想验证事情是否正确。我能够验证在推理中查看图表后调整大小的调整大小，但对于增强选项，我显然无法做到这一点。

在过去使用 Keras 时，我已经能够做到这一点，并且我发现我很有侵略性。

标签： tensorflowobject-detection-api

解决方案

API 为增强选项提供测试代码。在input_test.py文件中，该函数test_apply_image_and_box_augmentation就是为此而生的。您可以通过将自己的图像传递给该函数来重写此函数，tensor_dict然后保存以augmented_tensor_dict_out进行验证，或者您可以直接将其可视化。

编辑：由于这个答案很久以前就得到了回答，但仍未被接受，我决定提供一个更具体的答案和例子。我写了一个小测试脚本，叫做augmentation_test.py.

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import functools
import os
from absl.testing import parameterized

import numpy as np
import tensorflow as tf
from scipy.misc import imsave, imread

from object_detection import inputs
from object_detection.core import preprocessor
from object_detection.core import standard_fields as fields
from object_detection.utils import config_util
from object_detection.utils import test_case

FLAGS = tf.flags.FLAGS

class DataAugmentationFnTest(test_case.TestCase):

  def test_apply_image_and_box_augmentation(self):
    data_augmentation_options = [
        (preprocessor.random_horizontal_flip, {
        })
    ]
    data_augmentation_fn = functools.partial(
        inputs.augment_input_data,
        data_augmentation_options=data_augmentation_options)
    tensor_dict = {
        fields.InputDataFields.image:
            tf.constant(imread('lena.jpeg').astype(np.float32)),
        fields.InputDataFields.groundtruth_boxes:
            tf.constant(np.array([[.5, .5, 1., 1.]], np.float32))
    }
    augmented_tensor_dict = 
        data_augmentation_fn(tensor_dict=tensor_dict)
    with self.test_session() as sess:
      augmented_tensor_dict_out = sess.run(augmented_tensor_dict)
    imsave('lena_out.jpeg',augmented_tensor_dict_out[fields.InputDataFields.image])


if __name__ == '__main__':
  tf.test.main()

您可以将此脚本放在下面models/research/object_detection/并简单地使用python augmentation_test.py. 要成功运行它，您应该提供任何图像名称“lena.jpeg”，并且增强后的输出图像将保存为“lena_out.jpeg”。

我用“lena”图像运行它，这是增强前和增强后的结果。 莉娜

lena_out.

请注意，我preprocessor.random_horizontal_flip在脚本中使用了。结果准确地显示了输入图像之后的样子random_horizontal_flip。要使用其他增强选项对其进行测试，您可以将 替换为random_horizontal_flip其他方法（这些方法都在preprocessor.py以及 config proto 文件中定义），您可以将其他选项附加到data_augmentation_options列表中，例如：

data_augmentation_options = [(preprocessor.resize_image, {
        'new_height': 20,
        'new_width': 20,
        'method': tf.image.ResizeMethod.NEAREST_NEIGHBOR
    }),(preprocessor.random_horizontal_flip, {
    })]

推荐阅读