整體思路
1、結合目标檢測的相關算法進行改進
U-net連接配接淺層網絡(針對小目标的生成);Centernet的高斯掩碼。
2、不需要糾結監督資訊的問題,是否加入溫度資訊(如何加入溫度資訊)需要考慮
3、将目标摳出來單獨進行評估、訓練很有必要
制作灰階圖mask
材質分割相關/生成灰階圖Mask.py
生成出來的效果不太好,如下:
![](https://img.laitimes.com/img/_0nNw4CM6IyYiwiM6ICdiwiI2EzX4xSZz91ZsAzNfRHLGZkRGZkRfJ3bs92YsAjMfVmepNHL90zdYlkNMZDTtxUNONkW1cWZwVTQClGVF5UMR9Fd4VGdsATNfd3bkFGazxSUhxGatJGbwhFT1Y0Mk9VZwlHdssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnLzY2M3ADZ5YTZwkDOxQzN4EDMiRzNyITMzAjMwMTMhJzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
用opencv的時候注意下處理圖檔,讀入的時候預設是uint8類型,轉成float後再處理要正常的多。
直接平均效果不好。
【使用:材質分割相關/生成灰階圖Mask3.py,效果如下】
之前因為mask_car有白邊,是以效果一直不行
/pytorch-CycleGAN-and-pix2pix-master/datasets/visdrone_4181_daytime/mask_MultiGray2/
制作mask
把弱光場景、光源不均衡場景去掉
最終得到4181張圖檔,分成三類mask:汽車、綠色植物、路面及其他建築物
cv2.threshold()
cv2.threshold (源圖檔, 門檻值, 填充色, 門檻值類型)
Args:
src:源圖檔,必須是單通道
thresh:門檻值,取值範圍0~255
maxval:填充色,取值範圍0~255
type:門檻值類型,具體見下表
在HSV空間提取圖檔的綠色部分
# 讀入RGB圖像
rgb_image = cv2.imread(img_pth)
# 提取綠色分量
lower_green = np.array([35, 43, 46])
upper_green = np.array([77, 255, 255])
hsv = cv2.cvtColor(rgb_image, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv, lower_green, upper_green) # lower20===>0,upper200==>0,
對目标的多邊形矩陣進行填充
# 繪制填充的圖
cv2.fillPoly(demo,[points_],(255,0,0))