保存 tensorflow 对象检测增强图像

Question

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。

我想验证一切看起来是否正确。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，我能够做到这一点，但我发现我太激进了。

Answer 1

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。

它基于@danyfang 在以下问题Visualizing augmented train images [tensorflow object detection api] 中的回答。

Answer 2

API 提供增强选项的测试代码。在input_test.py 文件中，函数test_apply_image_and_box_augmentation 就是为此而生的。你可以重写这个函数，将自己的图片传递给tensor_dict，然后保存augmented_tensor_dict_out进行验证，也可以直接可视化。

编辑： 由于这个答案很久以前就得到了回答，但仍未被接受，因此我决定通过示例提供更具体的答案。我写了一个名为augmentation_test.py的小测试脚本。

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models/research/object_detection/ 下，然后使用python augmentation_test.py 简单地运行它。要成功运行它，您应该提供任何图像名称“lena.jpeg”，增强后的输出图像将保存为“lena_out.jpeg”。

我使用“lena”图像运行它，这是增强前和增强后的结果。

.

请注意，我在脚本中使用了preprocessor.random_horizontal_flip。结果准确地显示了输入图像在random_horizontal_flip 之后的样子。要使用其他增强选项对其进行测试，您可以将random_horizontal_flip 替换为其他方法（它们都在preprocessor.py 以及配置原型文件中定义），您可以将其他选项附加到data_augmentation_options 列表中，例如示例：

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