数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法律研究如何在 PyTorch 中计算一组边界框的面积？
torchvision.io 包提供了执行不同 IO 操作的功能。为了计算边界框或一组边界框的面积，torchvision.io 包提供了 box_area() 函数。此函数将边界框作为输入参数，并返回每个框的面积。
边界框应为大小为 [N,4] 的 torch 张量，其中 N 是要计算面积的边界框的数量。每个边界框由坐标 (xmin, ymin, xmax, ymax) 指定。换句话说 - 0 ≤ xmin < xmax, 且 0 ≤ ymin < ymax. 计算出的面积是一个大小为 [N] 的 torch 张量。
要计算单个边界框的面积，我们将边界框张量进行 unsqueeze 操作，使其成为一个二维张量。
语法
torchvision.ops.box_area(boxes)
参数
boxes - 包含边界框的 [N,4] torch 张量。每个边界框都以 (xmin, ymin, xmax, ymax) 格式给出，其中 0 ≤ xmin < xmax, 且 0 ≤ ymin < ymax.
输出
它返回一个大小为 [N] 的 torch 张量，其中包含边界框的面积。
步骤
导入所需的库。在以下所有示例中，所需的 Python 库为 torch 和 torchvision。确保您已安装它们。
import torch import torchvision from torchvision.io import read_image from torchvision.utils import draw_bounding_boxes from torchvision.ops import box_area
使用 image_read() 函数读取 JPEG 或 PNG 图像。使用图像类型（.jpg 或 .png）指定完整的图像路径。此函数的输出是一个大小为 [image_channels, image_height, image_width] 的 torch 张量。
img = read_image('dog.png')将边界框定义为 torch 张量。边界框张量的数据类型应为 torch.int。如果要计算单个边界框的面积，则对张量进行 unsqueeze 操作。
bbox = (310, 200, 485, 430) # convert the bbox to torch tensor bbox = torch.tensor(bbox, dtype=torch.int)
使用 box_area() 计算边界框的面积。可以选择将带有绘制边界框的图像分配给一个新的变量。
area = box_area(bbox)
使用 draw_bounding_boxes() 函数在图像上绘制边界框。我们将计算出的面积作为标签放在边界框内。
labels= [f"bbox area = {area.item()}"]
img=draw_bounding_boxes(img, bbox, labels= labels, width=3,colors=(255,255,0))将图像张量转换为 PIL 图像并显示它。
img = torchvision.transforms.ToPILImage()(img) img.show()
输入图像
我们将在以下示例中使用这些图像作为输入文件。
示例 1
在以下 Python 程序中，我们计算单个边界框的面积，并将此面积作为标签放在图像上，并显示图像。
# Import the required libraries
import torch
import torchvision
from torchvision.io import read_image
from torchvision.utils import draw_bounding_boxes
from torchvision.ops import box_area
# read the input image
img = read_image('dog.png')
# bounding box in (xmin, ymin, xmax, ymax) format
# top-left point=(xmin, ymin), bottom-right point = (xmax, ymax)bbox = (310, 200, 485, 430)
# convert the bbox to torch tensor
bbox = torch.tensor(bbox, dtype=torch.int)
print(bbox)
print(bbox.size())
# unsqueeze the bbox to make it 2D
bbox = bbox.unsqueeze(0)
print(bbox.size())
# Compute the bounding box area
area = box_area(bbox)
print("BBOX area:", area)
labels= [f"bbox area = {area.item()}"]
img=draw_bounding_boxes(img, bbox, labels= labels, width=3,colors=(255,255,0))
# b=a.permute(1,2,0)
# plt.imshow(b)
# plt.show()
img = torchvision.transforms.ToPILImage()(img)
img.show()输出
tensor([310, 200, 485, 430], dtype=torch.int32) torch.Size([4]) torch.Size([1, 4]) BBOX area: tensor([40250], dtype=torch.int32)
示例 2
在以下 Python 程序中，我们计算一组两个边界框的面积，并将这些面积作为标签放在图像上，并显示图像。
import torch
from PIL import Image
import torchvision
from torchvision.io import read_image
from torchvision.utils import draw_bounding_boxes
from torchvision.ops import box_area
img = read_image('catndog.png')
# bounding box in (xmin, ymin, xmax, ymax) format
bbox1 = [30, 45, 330, 450]
bbox2 = [320, 150, 690, 460]
bbox = [bbox1, bbox2]
bbox = torch.tensor(bbox, dtype=torch.int)
print(bbox)
print(bbox.size())
area = box_area(bbox)
labels = [f"bbox area ={a}" for a in area]
print(labels)
img=draw_bounding_boxes(img, bbox, labels = labels, width=3,colors=[(255,0,0),(0,255,0)])
img = torchvision.transforms.ToPILImage()(img)
img.show()输出
tensor([[ 30, 45, 330, 450], [320, 150, 690, 460]], dtype=torch.int32) torch.Size([2, 4]) ['bbox area =121500', 'bbox area =114700']
1K+ 次查看
