可视化增强的火车图像 [tensorflow object detection api]
Posted
技术标签:
【中文标题】可视化增强的火车图像 [tensorflow object detection api]【英文标题】:Visualizing augmented train images [tensorflow object detection api] 【发布时间】:2019-07-27 22:53:34 【问题描述】:可以在 tensorflow 对象检测 api 配置文件中增加图像,例如:
data_augmentation_options
random_horizontal_flip
data_augmentation_options
ssd_random_crop
如何可视化训练图像以检查增强结果?
感谢您的帮助。
【问题讨论】:
你能发布完整的代码吗? 你对什么代码感兴趣? 【参考方案1】:我建议你查看input_test.py 文件,特别是DataAugmentationFnTest
类中的函数test_apply_image_and_box_augmentation
。您可以在此处添加data_augmentation_options
并将您的图像传递给tensor_dict
。为了可视化它,您可以在 sess.run() 之后调用 matplotlib 函数,因为 augmented_tensor_dict_out
可以作为输入参数传递。
【讨论】:
感谢您的帮助。然而,preprocessor.py 也在规范化图像。我可以禁用它或恢复正常化之前的值并仍然保留增强吗? 我在https://github.com/tensorflow/models/blob/master/research/object_detection/core/preprocessor_test.py
中发现每个单独的增强选项都存在测试代码。我认为这可能更符合您的目标。【参考方案2】:
这是实现问题https://github.com/majrie/visualize_augmentation/blob/master/visualize_augmentation.ipynb 中所问内容的代码。
这是基于@danyfang的回答。
【讨论】:
以上是关于可视化增强的火车图像 [tensorflow object detection api]的主要内容,如果未能解决你的问题,请参考以下文章
使用 Tensorflow 进行图像增强,因此所有类都具有完全相同数量的图像
如何在 tensorflow tf.data.Dataset 中使用 cv2 图像增强功能?
如何使用 Tensorflow 2.0 数据集在训练时执行 10 次裁剪图像增强
python使用openCV图像加载(转化为灰度图像)使用equalizeHist算法增强灰度图像对比度可视化对比度增强之后的图像
python使用OpenCV加载彩色图像并把图像转化为YUV格式的彩色图使用equalizeHist算法增强彩色图像的对比度可视化对比度增强之后的彩色图像