TFRecords 解析：如何从单个张量中检索多个图像？答案

【问题标题】：TFRecords parsing: How to retrieve multiple images from a single tensor?TFRecords 解析：如何从单个张量中检索多个图像？
【发布时间】：2021-07-21 10:17:54
【问题描述】：

我正在尝试解析具有 coco 格式的数据集，其中包括（除其他外）输入图像和作为输出的图像列表（掩码）。数据集已使用efficientdet/dataset_tools/create_coco_record.py 转换为 tfrecords

以下是序列化的sn-p：

feature_dict = {
      'image/height':
          tfrecord_util.int64_feature(image_height),
      'image/width':
          tfrecord_util.int64_feature(image_width)
      'image/encoded':
          tfrecord_util.bytes_feature(encoded_jpg),
  }
...
for object_annotations in bbox_annotations:
    run_len_encoding = mask.frPyObjects(object_annotations['segmentation'],
                                            image_height, image_width)
    binary_mask = mask.decode(run_len_encoding)
    binary_mask = np.amax(binary_mask, axis=2)
    pil_image = PIL.Image.fromarray(binary_mask)
    output_io = io.BytesIO()
    pil_image.save(output_io, format='PNG')
    encoded_mask_png.append(output_io.getvalue()

if include_masks:
    feature_dict['image/object/mask'] = (
        tfrecord_util.bytes_list_feature(encoded_mask_png))

我的问题在于 tfrecords 的解码，我无法解码掩码张量内的图像。

以下是我的解析函数：

def parse_example(serialized_example):
  feature_dict = {
    'image/height': tf.io.FixedLenFeature([], tf.int64),
    'image/width': tf.io.FixedLenFeature([], tf.int64),
    'image/encoded':  tf.io.FixedLenFeature([], tf.string),
    'image/object/class/label': tf.io.FixedLenSequenceFeature([], tf.int64, allow_missing=True),
    'image/object/mask': tf.io.FixedLenSequenceFeature([], tf.string, allow_missing=True),
  }

  example = tf.io.parse_single_example(serialized_example, features=feature_dict)

  raw_height = tf.cast(example['image/height'], tf.int64)
  raw_width = tf.cast(example['image/width'], tf.int64)
  image = tf.image.decode_png(example['image/encoded'], channels=3)
  image = tf.image.resize(image, (512, 512))
  labels = example['image/object/class/label'] 

  masks = tf.image.decode_png(example['image/object/mask'], channels=3)

我收到的错误：

ValueError: 形状必须为 0 级，但对于 '{{node DecodePng_1}} = DecodePngchannels=3, dtype=DT_UINT8' 输入形状为 1 级：[?]。

我将如何解码矢量中的多个图像？

【问题讨论】：

标签： python tensorflow tfrecord

【解决方案1】：

在tf_example_decoder.py找到解决方案。

以下是一些sn-ps的代码：

将图像读取为字符串类型的 VarLenFeatures

keys_to_features = {
...
'image/object/mask': tf.io.VarLenFeature(tf.string)
}

parsed_tensors = tf.io.parse_single_example(
        serialized=serialized_example, features=keys_to_features)

将稀疏张量转换为稠密张量

for k in parsed_tensors:
  if isinstance(parsed_tensors[k], tf.SparseTensor):
    if parsed_tensors[k].dtype == tf.string:
      parsed_tensors[k] = tf.sparse.to_dense(
          parsed_tensors[k], default_value='')

然后使用以下方法解码掩码：

def _decode_masks(self, parsed_tensors):
    """Decode a set of PNG masks to the tf.float32 tensors."""
    def _decode_png_mask(png_bytes):
      mask = tf.squeeze(
          tf.io.decode_png(png_bytes, channels=1, dtype=tf.uint8), axis=-1)
      mask = tf.cast(mask, dtype=tf.float32)
      mask.set_shape([None, None])
      return mask

    height = parsed_tensors['image/height']
    width = parsed_tensors['image/width']
    masks = parsed_tensors['image/object/mask']
    return tf.cond(
        pred=tf.greater(tf.size(input=masks), 0),
        true_fn=lambda: tf.map_fn(_decode_png_mask, masks, dtype=tf.float32),
        false_fn=lambda: tf.zeros([0, height, width], dtype=tf.float32))

【讨论】：