深度估計

深度估計資料集用於訓練模型以近似影像中每個畫素到相機的相對距離，也稱為深度。這些資料集啟用的應用主要在於視覺機器感知和機器人感知等領域。示例應用包括為自動駕駛汽車繪製街道地圖。本指南將向您展示如何將變換應用於深度估計資料集。

開始之前，請確保您已安裝最新版本的 albumentations。

pip install -U albumentations

Albumentations 是一個用於計算機視覺資料增強的 Python 庫。它支援影像分類、目標檢測、分割和關鍵點估計等各種計算機視覺任務。

本指南使用 NYU Depth V2 資料集，該資料集由 RGB 和深度相機記錄的各種室內場景的影片序列組成。該資料集包含來自 3 個城市的場景，並提供影像及其深度圖作為標籤。

載入資料集的 train 分割並檢視一個示例

>>> from datasets import load_dataset

>>> train_dataset = load_dataset("sayakpaul/nyu_depth_v2", split="train")
>>> index = 17
>>> example = train_dataset[index]
>>> example
{'image': <PIL.PngImagePlugin.PngImageFile image mode=RGB size=640x480>,
 'depth_map': <PIL.TiffImagePlugin.TiffImageFile image mode=F size=640x480>}

資料集有兩個欄位

image：一個數據型別為 uint8 的 PIL PNG 影像物件。
depth_map：一個數據型別為 float32 的 PIL Tiff 影像物件，它是影像的深度圖。

值得一提的是，JPEG/PNG 格式只能儲存 uint8 或 uint16 資料。由於深度圖是 float32 資料，因此無法使用 PNG/JPEG 儲存。但是，我們可以使用 TIFF 格式儲存深度圖，因為它支援更廣泛的資料型別，包括 float32 資料。

接下來，檢視一張圖片

>>> example["image"]

在我們檢視深度圖之前，我們需要首先使用 .convert('RGB') 將其資料型別轉換為 uint8，因為 PIL 無法顯示 float32 影像。現在檢視其對應的深度圖

>>> example["depth_map"].convert("RGB")

全黑！您需要為深度圖新增一些顏色才能正確顯示。要做到這一點，我們可以使用 plt.imshow() 在顯示時自動應用顏色，或者使用 plt.cm 建立彩色深度圖，然後顯示它。在這個例子中，我們使用了後者，因為我們以後可以儲存/寫入彩色深度圖。（下面的實用程式取自 FastDepth 倉庫）。

>>> import numpy as np
>>> import matplotlib.pyplot as plt

>>> cmap = plt.cm.viridis

>>> def colored_depthmap(depth, d_min=None, d_max=None):
...     if d_min is None:
...         d_min = np.min(depth)
...     if d_max is None:
...         d_max = np.max(depth)
...     depth_relative = (depth - d_min) / (d_max - d_min)
...     return 255 * cmap(depth_relative)[:,:,:3]

>>> def show_depthmap(depth_map):
...    if not isinstance(depth_map, np.ndarray):
...        depth_map = np.array(depth_map)
...    if depth_map.ndim == 3:
...        depth_map = depth_map.squeeze()

...    d_min = np.min(depth_map)
...    d_max = np.max(depth_map)
...    depth_map = colored_depthmap(depth_map, d_min, d_max)

...    plt.imshow(depth_map.astype("uint8"))
...    plt.axis("off")
...    plt.show()

>>> show_depthmap(example["depth_map"])

您還可以視覺化幾個不同的影像及其對應的深度圖。

>>> def merge_into_row(input_image, depth_target):
...     if not isinstance(input_image, np.ndarray):
...         input_image = np.array(input_image)
...
...     d_min = np.min(depth_target)
...     d_max = np.max(depth_target)
...     depth_target_col = colored_depthmap(depth_target, d_min, d_max)
...     img_merge = np.hstack([input_image, depth_target_col])
...
...     return img_merge

>>> random_indices = np.random.choice(len(train_dataset), 9).tolist()
>>> plt.figure(figsize=(15, 6))
>>> for i, idx in enumerate(random_indices):
...     example = train_dataset[idx]
...     ax = plt.subplot(3, 3, i + 1)
...     image_viz = merge_into_row(
...         example["image"], example["depth_map"]
...     )
...     plt.imshow(image_viz.astype("uint8"))
...     plt.axis("off")

現在使用 albumentations 應用一些增強。增強轉換包括

隨機水平翻轉
隨機裁剪
隨機亮度和對比度
隨機伽馬校正
隨機色相飽和度

>>> import albumentations as A

>>> crop_size = (448, 576)
>>> transforms = [
...     A.HorizontalFlip(p=0.5),
...     A.RandomCrop(crop_size[0], crop_size[1]),
...     A.RandomBrightnessContrast(),
...     A.RandomGamma(),
...     A.HueSaturationValue()
... ]

此外，定義一個對映以更好地反映目標鍵名。

>>> additional_targets = {"depth": "mask"}
>>> aug = A.Compose(transforms=transforms, additional_targets=additional_targets)

定義了 additional_targets 後，您可以將目標深度圖傳遞給 aug 的 depth 引數而不是 mask。您將在下面定義的 apply_transforms() 函式中注意到此更改。

建立一個函式來將轉換應用於影像及其深度圖

>>> def apply_transforms(examples):
...     transformed_images, transformed_maps = [], []
...     for image, depth_map in zip(examples["image"], examples["depth_map"]):
...         image, depth_map = np.array(image), np.array(depth_map)
...         transformed = aug(image=image, depth=depth_map)
...         transformed_images.append(transformed["image"])
...         transformed_maps.append(transformed["depth"])
...
...     examples["pixel_values"] = transformed_images
...     examples["labels"] = transformed_maps
...     return examples

使用 set_transform() 函式即時將轉換應用於資料集的批次，以減少磁碟空間佔用

>>> train_dataset.set_transform(apply_transforms)

您可以透過索引示例影像的 pixel_values 和 labels 來驗證轉換是否有效。

>>> example = train_dataset[index]

>>> plt.imshow(example["pixel_values"])
>>> plt.axis("off")
>>> plt.show()

在影像對應的深度圖上視覺化相同的變換。

>>> show_depthmap(example["labels"])

您還可以重複使用之前的 random_indices 來視覺化多個訓練樣本。

>>> plt.figure(figsize=(15, 6))

>>> for i, idx in enumerate(random_indices):
...     ax = plt.subplot(3, 3, i + 1)
...     example = train_dataset[idx]
...     image_viz = merge_into_row(
...         example["pixel_values"], example["labels"]
...     )
...     plt.imshow(image_viz.astype("uint8"))
...     plt.axis("off")

< > 在 GitHub 上更新