使用 CSV 格式的框存储 Tensorflow 对象检测 API 图像输出

Posted 2023-03-12

【中文标题】使用 CSV 格式的框存储 Tensorflow 对象检测 API 图像输出

【英文标题】：Store Tensorflow object detection API image output with boxes in CSV format

【发布时间】：2018-06-28 20:19:26

【问题描述】：

我指的是 Google 的 Tensor-Flow 对象检测 API。我已经成功地训练和测试了这些对象。我的问题是在测试后我得到输出图像，在对象周围绘制了框，我如何获得这些框的 csv 坐标？测试代码可以在 (https://github.com/tensorflow/models/blob/master/research/object_detection/object_detection_tutorial.ipynb) 上找到

如果我看到辅助代码，它会将图像加载到 numpy 数组中：

def load_image_into_numpy_array(image):
  (im_width, im_height) = image.size
  return np.array(image.getdata()).reshape(
      (im_height, im_width, 3)).astype(np.uint8)

在检测中，它采用这个图像数组并给出如下绘制的框输出

with detection_graph.as_default():
  with tf.Session(graph=detection_graph) as sess:
    # Definite input and output Tensors for detection_graph
    image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
    # Each box represents a part of the image where a particular object was detected.
    detection_boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
    # Each score represent how level of confidence for each of the objects.
    # Score is shown on the result image, together with the class label.
    detection_scores = detection_graph.get_tensor_by_name('detection_scores:0')
    detection_classes = detection_graph.get_tensor_by_name('detection_classes:0')
    num_detections = detection_graph.get_tensor_by_name('num_detections:0')
    for image_path in TEST_IMAGE_PATHS:
      image = Image.open(image_path)
      # the array based representation of the image will be used later in order to prepare the
      # result image with boxes and labels on it.
      image_np = load_image_into_numpy_array(image)
      # Expand dimensions since the model expects images to have shape: [1, None, None, 3]
      image_np_expanded = np.expand_dims(image_np, axis=0)
      # Actual detection.
      (boxes, scores, classes, num) = sess.run(
          [detection_boxes, detection_scores, detection_classes, num_detections],
          feed_dict=image_tensor: image_np_expanded)
      # Visualization of the results of a detection.
      vis_util.visualize_boxes_and_labels_on_image_array(
          image_np,
          np.squeeze(boxes),
          np.squeeze(classes).astype(np.int32),
          np.squeeze(scores),
          category_index,
          use_normalized_coordinates=True,
          line_thickness=8)
      plt.figure(figsize=IMAGE_SIZE)
      plt.imshow(image_np)

我想将这些绿色框的坐标存储在一个 csv 文件中。有什么方法可以做到这一点？

【问题讨论】：

它将值存储在一个名为“boxes”的变量中。我输出变量“盒子”的结果。图3.6442898C-01 7.64498098C​​-01 7.6442898C-01 7.6442898C-01 7.6442898CS-01 7.64429898CS-01 7.648989898C-01 7.64429098C-01 7.6442498C-01] e-02 9.45716262e-01] 这些值对我来说没有意义，我们可以从这些数字中提取数据吗？

【参考方案1】：

boxes 数组 ([ymin, xmin, ymax, xmax]) 中的坐标已标准化。因此，您必须将它们与图像的宽度/高度相乘才能获得原始值。

为此，您可以执行以下操作：

for box in np.squeeze(boxes):
    box[0] = box[0] * heigh
    box[1] = box[1] * width
    box[2] = box[2] * height
    box[3] = box[3] * width

然后您可以使用 numpy.savetxt() 方法将这些框保存到您的 csv 中：

import numpy as np
np.savetxt('yourfile.csv', boxes, delimiter=',')

编辑：

正如 cmets 中所指出的，上面的方法给出了一个框坐标列表。这是因为盒子张量保存了每个检测到的区域的坐标。假设您使用默认的置信度接受阈值 0.5，对我来说一个快速的解决方法如下：

  for i, box in enumerate(np.squeeze(boxes)):
      if(np.squeeze(scores)[i] > 0.5):
          print("ymin=, xmin=, ymax=, xmax".format(box[0]*height,box[1]*width,box[2]*height,box[3]*width))

这应该打印四个值，而不是四个框。每个值代表边界框的一个角。

如果您使用其他置信度接受阈值，则必须调整此值。也许你可以解析这个参数的模型配置。

要将坐标存储为 CSV，您可以执行以下操作：

new_boxes = []
for i, box in enumerate(np.squeeze(boxes)):
    if(np.squeeze(scores)[i] > 0.5):
        new_boxes.append(box)
np.savetxt('yourfile.csv', new_boxes, delimiter=',')

【讨论】：

根据我的搜索，这些是标准化形式的 [xmin,ymin,xmax,ymax]，为简化起见，我只用一个对象拍摄了一张图像，并在该对象周围输出一个框。我应该为框的四个角获得 4 个数组 [xmin1, ymin1, xmax1, ymax1] , [xmin2, ymin2, xmax2, ymax2] ...[xmin4, ymin4, xmax4, ymax4]。但是，对于单个框，我得到了超过四个数组的过多值，如上所示。我如何分析这些

是的，我可以在我自己的示例中看到相同的行为。我编辑了我的帖子并添加了我的修复。

我的第一个建议是将每个图像的边界框存储在单独的 CSV 中。但您也可以创建存储在 CSV 的每一行中的 Image-ID（例如 UUID）。恕我直言，第一个选项更简洁，如果 CSV 与它所引用的图像同名，您可以轻松访问它。

对于任何新人，框坐标的顺序已更改为：[ymin, xmin, ymax, xmax]

@GregorySaldanha 谢谢。我用正确的坐标顺序更新了帖子。