def procesa_objetivos():
"Genera un grafico con las imagenes y las distancias de prediccion"
# Parametros de plot (graficos)
plt.rcParams["axes.grid"] = False
plot_num = 8
fig, ax = plt.subplots(2, plot_num)
axi = np.ravel(ax)
for i in range(plot_num):
# Seleccionamos dos imagen aleatorias
directorio = random.choice(os.listdir(path))
# Imagen A
archivo_a = path + directorio + '/' + random.choice(
os.listdir(path + directorio))
img_a, img_a_proces = prepara_imagen(archivo_a)
# Imagen B
directorio = random.choice(os.listdir(path))
archivo_b = path + directorio + '/' + random.choice(
os.listdir(path + directorio))
img_b, img_b_proces = prepara_imagen(archivo_b)
# Prediccion sobre las imagenes usando la red entrenada
predicciones = modelo.predict(np.array([img_a_proces, img_b_proces]))
# Mide la distancia entre ambos vectores
distancia = Utiles.distancia(predicciones[0], predicciones[1])
# Dibuja los graficos
# A
etiqueta = etiquetas[predicciones[0].argmax()]
muestra_imagen(axi, i, img_a, etiqueta, distancia)
# B
etiqueta = etiquetas[predicciones[1].argmax()]
muestra_imagen(axi, i + plot_num, img_b, etiqueta)
plt.show()
def organiza_objetivos(p_actual, lista_p):
"""Devuelve una lista de objetivos en ordenados segun su distancia mutua
desde un punto"""
orden_objetivos = []
objetivo_anterior = p_actual
for i in range(len(lista_p)):
distancias = [Utiles.distancia(x, objetivo_anterior) for x in lista_p]
menor = np.argmin(distancias)
objetivo_anterior = lista_p[menor]
orden_objetivos.append(lista_p[menor])
lista_p = np.delete(lista_p, menor, axis=0)
return np.array(orden_objetivos)
def objetivo_prioritario(punto, objetivos, distancia_max=0):
"""Devuelve el objetivo prioritario segun la distancia a la posicion actual
de la torreta"""
if (len(objetivos) < 1):
return None
puntos_centro = Utiles.centros_rectangulos(objetivos)
objetivo_anterior = punto
distancias = [
Utiles.distancia(x, objetivo_anterior) for x in puntos_centro
]
menor = np.argmin(distancias)
# Si el punto mas cercano esta lo suficientemente cerca no se devuelve nada
if distancia_max and np.min(distancias) > distancia_max:
return np.array([])
return objetivos[menor]
axi = np.ravel(ax)
# Directorio raiz de imagenes extraidas
path = "Entrada/Objetivos/"
# Seleccionamos imagenes aleatorias y comparamos su distancia
for i in range(plot_num):
# Seleccionamos dos imagen aleatorias
directorio = random.choice(os.listdir(path))
# Imagen A
archivo_a = path + directorio + '/' + random.choice(
os.listdir(path + directorio))
img_a, img_a_proces = prepara_imagen(archivo_a)
# Imagen B
directorio = random.choice(os.listdir(path))
archivo_b = path + directorio + '/' + random.choice(
os.listdir(path + directorio))
img_b, img_b_proces = prepara_imagen(archivo_b)
# Prediccion sobre las imagenes usando la red entrenada
predicciones = modelo.predict(np.array([img_a_proces, img_b_proces]))
# Mide la distancia entre ambos vectores
distancia = Utiles.distancia(predicciones[0], predicciones[1])
# Dibuja los graficos
# A
etiqueta = etiquetas[predicciones[0].argmax()]
muestra_imagen(axi, i, img_a, etiqueta, distancia)
# B
etiqueta = etiquetas[predicciones[1].argmax()]
muestra_imagen(axi, i + plot_num, img_b, etiqueta)
plt.show()
