OpenPose訓練過程解析(2)
genCOCOMask.m
16 L = length(coco_kpt);
17 %%
18
19 for i = 1:L
20 if mode == 1
21 img_paths = sprintf('images/train2014/COCO_train2014_%012d.jpg', coco_kpt(i).image_id); %sprintf('%012d', 20); ans = 000000000020
22 img_name1 = sprintf('dataset/COCO/mask2014/train2014_mask_all_%012d.png', coco_kpt(i).image_id);
23 img_name2 = sprintf('dataset/COCO/mask2014/train2014_mask_miss_%012d.png', coco_kpt(i).image_id);
24 else
25 img_paths = sprintf('images/val2014/COCO_val2014_%012d.jpg', coco_kpt(i).image_id);
26 img_name1 = sprintf('dataset/COCO/mask2014/val2014_mask_all_%012d.png', coco_kpt(i).image_id);
27 img_name2 = sprintf('dataset/COCO/mask2014/val2014_mask_miss_%012d.png', coco_kpt(i).image_id);
28 end
29
30 try
31 display([num2str(i) '/ ' num2str(L)]);
32 imread(img_name1); %讀取失敗,將跳轉到catch塊進行mask的製作
33 imread(img_name2);
34 continue;
35 catch
36 display([num2str(i) '/ ' num2str(L)]); %% num2str:把數值轉換成字串, 轉換後可以使用fprintf或disp函式進行輸出
37 %joint_all(count).img_paths = RELEASE(i).image_id;
38 [h,w,~] = size(imread(['dataset/COCO/', img_paths])); % h = image.height ; w = image.width
39 mask_all = false(h,w); %建立大小 h×w (與原影象相同)的矩陣,所有的元素為邏輯假,即0,下同
40 mask_miss = false(h,w);
41 flag = 0;
42 for p = 1:length(coco_kpt(i).annorect) % i 為圖片的數量, p 為每張圖片annorect的維度,即為圖片中的人數)
43 %if this person is annotated
44 try
45 seg = coco_kpt(i).annorect(p).segmentation{1}; %分割的結果(驗證是否已進行分割)
46 catch
47 %display([num2str(i) ' ' num2str(p)]);
48 mask_crowd = logical(MaskApi.decode( coco_kpt(i).annorect(p).segmentation )); % logical函式: 將括號裡的非零值變為1; MaskApi.decode - Decode binary masks encoded via RLE.(Run Length Encoding自行百度). https://blog.csdn.net/chengyq116/article/details/80489439
49 temp = and(mask_all, mask_crowd);
50 mask_crowd = mask_crowd - temp;
51 flag = flag + 1;
52 coco_kpt(i).mask_crowd = mask_crowd;
53 continue;
54 end
55
56 [X,Y] = meshgrid( 1:w, 1:h ); % 用於生成網格矩陣 https://blog.csdn.net/hhhhhyyyyy8/article/details/76209094
57 mask = inpolygon( X, Y, seg(1:2:end), seg(2:2:end)); %inpolygon(x,y,xv,yv)%注意xv,yv構成了多邊形邊界。x,y對應的是單點座標,判斷是否在多邊形內,返回結果為邏輯logical型別(不是數字型別哦),如果在對應的就返回1,否則為0
58 mask_all = or(mask, mask_all); % mask_all之前為全0
59
60 if coco_kpt(i).annorect(p).num_keypoints <= 0 % 如果沒有keypoints標註,則標記為mask_miss,取反後未標註處值為1,避免進行懲罰; 若一張圖片中每個人的keypoints均有標註,則mask_miss矩陣全為0,然後在Line68中取反,這樣所有標註的關節點W(p) = 1;
61 mask_miss = or(mask, mask_miss);
62 end
63 end
-
Line56 : meshgrid 網格
-
Line57 : 利用Line45的分割結果seg生成mask
64 if flag == 1 %注意,此處程式處理完了單張圖片中的所有人,進入flag判斷
65 mask_miss = not(or(mask_miss,mask_crowd));
66 mask_all = or(mask_all, mask_crowd);
67 else
68 mask_miss = not(mask_miss); %取反
69 end
70
71 coco_kpt(i).mask_all = mask_all;
72 coco_kpt(i).mask_miss = mask_miss;
73
74 if mode == 1
75 img_name = sprintf('dataset/COCO/mask2014/train2014_mask_all_%012d.png', coco_kpt(i).image_id);
76 imwrite(mask_all,img_name);
77 img_name = sprintf('dataset/COCO/mask2014/train2014_mask_miss_%012d.png', coco_kpt(i).image_id);
78 imwrite(mask_miss,img_name);
79 else
80 img_name = sprintf('dataset/COCO/mask2014/val2014_mask_all_%012d.png', coco_kpt(i).image_id);
81 imwrite(mask_all,img_name);
82 img_name = sprintf('dataset/COCO/mask2014/val2014_mask_miss_%012d.png', coco_kpt(i).image_id);
83 imwrite(mask_miss,img_name);
84 end
85
86 if flag == 1 && vis == 1 %用於檢視
87 im = imread(['dataset/COCO/', img_paths]);
88 mapIm = mat2im(mask_all, jet(100), [0 1]); %mat2im - convert to rgb image https://ww2.mathworks.cn/matlabcentral/fileexchange/26322-mat2im
89 mapIm = mapIm*0.5 + (single(im)/255)*0.5;
90 figure(1),imshow(mapIm);
91 mapIm = mat2im(mask_miss, jet(100), [0 1]); %jet是顏色圖陣列 https://ww2.mathworks.cn/help/matlab/ref/jet.html
92 mapIm = mapIm*0.5 + (single(im)/255)*0.5;
93 figure(2),imshow(mapIm);
94 mapIm = mat2im(mask_crowd, jet(100), [0 1]);
95 mapIm = mapIm*0.5 + (single(im)/255)*0.5;
96 figure(3),imshow(mapIm);
97 pause;
98 close all;
99 elseif flag > 1
100 display([num2str(i) ' ' num2str(p)]);
101 end
102 end
103 end
-
Line68 : mask_miss取反
-
Line71 : coco_kpt新增mask_all列
相關文章
- bert訓練過程3
- PCIe鏈路層訓練過程
- 視覺化 Keras 訓練過程視覺化Keras
- 利用Tensorboard視覺化模型、資料和訓練過程ORB視覺化模型
- BERT預訓練模型的演進過程!(附程式碼)模型
- Pytorch訓練時視訊記憶體分配過程探究PyTorch記憶體
- 藍橋杯訓練2
- YOLOv3訓練過程中出現過擬合現象的解決方法YOLO
- 在pytorch上基於tensorboard的訓練過程的視覺化PyTorchORB視覺化
- 【人臉識別7】haar+CART+Adaboost+Cascade訓練過程分析
- 2、PyTorch訓練YOLOv11—訓練篇(detect)—Windows系統PyTorchYOLOv1Windows
- 域名解析過程
- DL4J實戰之六:圖形化展示訓練過程
- 在深度學習訓練過程中如何設定資料增強?深度學習
- Siamese RPN 訓練網路結構解析
- [原始碼解析] 模型並行分散式訓練Megatron (2) --- 整體架構原始碼模型並行分散式架構
- 大模型高效微調-LoRA原理詳解和訓練過程深入分析大模型
- .NET 雲原生架構師訓練營(物件過程建模)--學習筆記架構物件筆記
- 演算法訓練day2演算法
- 2024.10.[2, 3]訓練記錄
- [原始碼解析] 深度學習分散式訓練框架 horovod (13) --- 彈性訓練之 Driver原始碼深度學習分散式框架
- 【預訓練語言模型】使用Transformers庫進行GPT2預訓練模型ORMGPT
- [原始碼解析] PyTorch 分散式之彈性訓練(2)---啟動&單節點流程原始碼PyTorch分散式
- [原始碼解析] 快手八卦 --- 機器學習分散式訓練新思路(2)原始碼機器學習分散式
- openGauss核心:SQL解析過程分析SQL
- DNS的原理和解析過程DNS
- MapReduce 執行全過程解析
- docker 容器中解析 PHP 過程DockerPHP
- 轉:DNS解析過程詳解DNS
- 網路 - DNS解析過程原理DNS
- 跑步課程匯入能力,助力科學訓練
- 動態規劃專項訓練 2動態規劃
- 深度學習訓練過程中的學習率衰減策略及pytorch實現深度學習PyTorch
- 首次揭秘!這份白皮書公開了AI模型的醫院全部訓練過程……AI模型
- umich cv-5-2 神經網路訓練2神經網路
- [原始碼解析] 深度學習分散式訓練框架 horovod (2) --- 從使用者角度切入原始碼深度學習分散式框架
- 在pytorch框架下,訓練model過程中,loss=nan問題時該怎麼解決?PyTorch框架NaN
- [原始碼解析] 深度學習分散式訓練框架 horovod (16) --- 彈性訓練之Worker生命週期原始碼深度學習分散式框架