使用多处理有效地切片和读取图像

Question

我有一张较大的卫星图像，并希望对其进行对象检测模型推理。目前，我对大图像进行切片，保存图块，然后读取它们以让我的模型输出检测结果（框和掩码）。我知道这是一种低效的做事方式，因为一旦读取了图像切片/图块，就不再需要它，但我目前将其保存到磁盘。

有没有更有效的方法来完成这个过程？也许通过多处理或光线库？

Answer 1

正如您所提到的，Ray 非常适合，因为它使用共享内存并且能够在一台或多台机器上运行相同的代码。

类似以下结构的东西可以工作。

import numpy as np
import ray

ray.init()

@ray.remote
def do_object_detection(image, index):
    image_slice = image[index]
    # Do object detection.
    return 1

# Store the object in shared memory.
image = np.ones((1000, 1000))
image_id = ray.put(image)

# Process the slices in parallel. You probably want to use 2D slices instead
# of 1D slices.
result_ids = [do_object_detection.remote(image_id, i) for i in range(1000)]
results = ray.get(result_ids)

请注意，执行do_object_detection 任务的工作人员不会创建自己的图像副本。相反，他们可以访问共享内存中的图像副本。

如果您已经将图像保存在单独的文件中，另一种方法是执行以下操作。

import numpy as np
import ray

ray.init()

@ray.remote
def do_object_detection(filename):
    # Load the file and process it.
    return 1

filenames = ['file1.png', 'file2.png', 'file3.png']

# Process all of the images.
result_ids = [do_object_detection.remote(filename) for filename in filenames]
results = ray.get(result_ids)