前言
本文介绍了一个用于超大图片中对小目标检测的切片辅助超推理库SAHI。该库可直接用于现有的网络,而不需要重新设计和训练模型,使用十分方便。
Github: https://github.com/obss/sahi
目标检测和实例分割是迄今为止计算机视觉中最重要的应用领域。然而,小物体的检测和大图像的推理仍然是实际使用中的主要问题。
下面是实例分割SOTA模型Cascade Mask RCNN的推理结果:
MMDetection Cascade Mask RCNN 模型的标准推理结果。
如图所示,未检测到上侧的小型汽车。
有没有办法在不重新训练模型并且不需要更大的 GPU 内存分配的情况下检测这些较小的对象?
本文将介绍SAHI(Slicing Aided Hyper Inference),帮助开发人员克服这些现实世界的问题。
本文目录
-
目标检测和实例分割简介、
-
SAHI的安装、
-
使用SAHI 进行切片推理、
-
使用SAHI 进行图像和数据集切片、
-
使用SAHI添加对新检测框架的支持
目标检测和实例分割简介
A) 目标检测:目标检测是指识别和正确标记图像帧中存在的所有物体的方法。
目标检测可视化。
这大致包括两个步骤:
1:目标定位:在这里,以尽可能紧密的方式确定边界框或封闭区域,以便定位图像中目标的准确位置。
2:图像分类:然后将定位的目标送到标记目标的分类器。
B) 语义分割:它是指将给定图像中的每个像素链接到特定类标签的过程。例如,在下图中,像素被标记为汽车、树木、行人等。然后使用这些段来查找各种对象之间的交互/关系。
语义分割可视化
C ) Instance Segmentation:在这里,我们将类标签与每个像素关联起来,类似于语义分割,不同之处在于它将同一类的多个对象视为单个对象/单独的实体。
实例分割可视化
SAHI的安装
SAHI的项目地址:https://github.com/obss/sahi
1. 通过 pip 安装最新版本:
pip install sahi
2. 通过conda
conda install sahi -c obss
现在可以在 Python 中导入和使用任何SAHI函数:
from sahi import get_sliced_prediction
使用SAHI 进行切片推理
切片推理的概念基本上是;对原始图像的较小切片执行推理,然后合并原始图像上的切片预测。可以用下图表示:
切片推理
通过执行切片推理而不是标准推理,可以更准确地检测较小的对象
在这里,我们将使用SAHI在此示例图像上展示切片推理演示:
用于推理演示的示例图像
首先导入教程所需的函数:
from sahi .model import MmdetDetectionModel
from sahi .utils.cv import read_image,visualize_object_predictions
from sahi .predict import get_sliced_prediction
MmDetectionModel是流行的MMDetection 框架的包装类。它可用于在任何MMDetection 模型上加载和执行切片/标准推理。
read_image是一个实用函数,用于将任何图像转换为 RGB numpy 数组。
get_sliced_prediction是执行切片推理的函数。
visualize_object_predictions是用于可视化SAHI预测结果的实用函数。
然后,我们需要通过定义所需的参数来创建一个DetectionModel实例:
detection_model = MmdetDetectionModel(
model_path=mmdet_cascade_mask_rcnn_model_path,
config_path=mmdet_cascade_mask_rcnn_config_path,
prediction_score_threshold=0.4,
device="cuda"
)
需要 model_path和config_path才能成功加载任何模型。
结果中将忽略分数低于predict_score_threshold 的预测。
device参数指定推理设备,可以设置为cuda或cpu。
加载图像:
image = read_image(image_dir)
最后,我们可以执行切片预测。在本例中,我们将在重叠率为 0.2 的 256x256 切片上执行预测:
result = get_sliced_prediction(
image,
detection_model,
slice_height = 256,
slice_width = 256,
overlap_height_ratio = 0.2,
overlap_width_ratio = 0.2
)
在原始图像上可视化预