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

数据增强映射函数中的Tensorflow随机数

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