def _add_detection_gt(self, img, add_mask):
"""
Add 'boxes', 'class', 'is_crowd' of this image to the dict, used by detection.
If add_mask is True, also add 'segmentation' in coco poly format.
"""
ann_ids = self.coco.getAnnIds(imgIds=img['id'], iscrowd=None)
objs = self.coco.loadAnns(ann_ids)
# clean-up boxes
valid_objs = []
width = img['width']
height = img['height']
for obj in objs:
if obj.get('ignore', 0) == 1:
continue
x1, y1, w, h = obj['bbox']
# bbox is originally in float
# x1/y1 means upper-left corner and w/h means true w/h. This can be verified by segmentation pixels.
# But we do assume that (0.0, 0.0) is upper-left corner of the first pixel
box = FloatBox(float(x1), float(y1), float(x1 + w), float(y1 + h))
box.clip_by_shape([height, width])
# Require non-zero seg area and more than 1x1 box size
if obj['area'] > 1 and box.is_box() and box.area() >= 4:
obj['bbox'] = [box.x1, box.y1, box.x2, box.y2]
valid_objs.append(obj)
if add_mask:
segs = obj['segmentation']
if not isinstance(segs, list):
assert obj['iscrowd'] == 1
obj['segmentation'] = None
else:
valid_segs = [
np.asarray(p).reshape(-1, 2) for p in segs
if len(p) >= 6
]
if len(valid_segs) < len(segs):
log_once(
"Image {} has invalid polygons!".format(
img['file_name']), 'warn')
obj['segmentation'] = valid_segs
# all geometrically-valid boxes are returned
boxes = np.asarray([obj['bbox'] for obj in valid_objs],
dtype='float32') # (n, 4)
cls = np.asarray([
COCOMeta.category_id_to_class_id[obj['category_id']]
for obj in valid_objs
],
dtype='int32') # (n,)
is_crowd = np.asarray([obj['iscrowd'] for obj in valid_objs],
dtype='int8')
# add the keys
img['boxes'] = boxes # nx4
img['class'] = cls # n, always >0
img['is_crowd'] = is_crowd # n,
if add_mask:
img['segmentation'] = [obj['segmentation'] for obj in valid_objs]
def _add_detection_gt(self, img, add_mask):
"""
Add 'boxes', 'class', 'is_crowd' of this image to the dict, used by detection.
If add_mask is True, also add 'segmentation' in coco poly format.
"""
# ann_ids = self.coco.getAnnIds(imgIds=img['id'])
# objs = self.coco.loadAnns(ann_ids)
objs = self.coco.imgToAnns[img['id']] # equivalent but faster than the above two lines
# clean-up boxes
valid_objs = []
width = img['width']
height = img['height']
for obj in objs:
if obj.get('ignore', 0) == 1:
continue
x1, y1, w, h = obj['bbox']
# bbox is originally in float
# x1/y1 means upper-left corner and w/h means true w/h. This can be verified by segmentation pixels.
# But we do assume that (0.0, 0.0) is upper-left corner of the first pixel
box = FloatBox(float(x1), float(y1),
float(x1 + w), float(y1 + h))
box.clip_by_shape([height, width])
# Require non-zero seg area and more than 1x1 box size
if obj['area'] > 1 and box.is_box() and box.area() >= 4:
obj['bbox'] = [box.x1, box.y1, box.x2, box.y2]
valid_objs.append(obj)
if add_mask:
segs = obj['segmentation']
if not isinstance(segs, list):
assert obj['iscrowd'] == 1
obj['segmentation'] = None
else:
valid_segs = [np.asarray(p).reshape(-1, 2).astype('float32') for p in segs if len(p) >= 6]
if len(valid_segs) < len(segs):
log_once("Image {} has invalid polygons!".format(img['file_name']), 'warn')
obj['segmentation'] = valid_segs
# all geometrically-valid boxes are returned
boxes = np.asarray([obj['bbox'] for obj in valid_objs], dtype='float32') # (n, 4)
cls = np.asarray([
COCOMeta.category_id_to_class_id[obj['category_id']]
for obj in valid_objs], dtype='int32') # (n,)
is_crowd = np.asarray([obj['iscrowd'] for obj in valid_objs], dtype='int8')
# add the keys
img['boxes'] = boxes # nx4
img['class'] = cls # n, always >0
img['is_crowd'] = is_crowd # n,
if add_mask:
# also required to be float32
img['segmentation'] = [
obj['segmentation'] for obj in valid_objs]
def _add_detection_gt(
self, img, add_mask
): # 디텍션을 위해 박스와 클래스와 is_crowd를 만든다. 이것인 ground truth인가?@@@@@
"""
Add 'boxes', 'class', 'is_crowd' of this image to the dict, used by detection.
If add_mask is True, also add 'segmentation' in coco poly format.
"""
# ann_ids = self.coco.getAnnIds(imgIds=img['id'])
# objs = self.coco.loadAnns(ann_ids)
objs = self.coco.imgToAnns[img[
'id']] # equivalent but faster than the above two lines # id 값을 통해 이미지 객체 만든다.
# clean-up boxes
valid_objs = [] # 리스트 하나 만들어서
width = img['width'] # 이미지 객체에 대한 width 값 초기화
height = img['height'] # height 값 초기화
for obj in objs: # 객체들 중에서
if obj.get('ignore',
0) == 1: # ignore 값이 있는 딕셔너리가 있으면 뛰어넘는다. 보지 않는다.
continue
x1, y1, w, h = obj['bbox'] # 객체에서 bbox 정보를 초기화한다.
# bbox is originally in float
# x1/y1 means upper-left corner and w/h means true w/h. This can be verified by segmentation pixels.
# But we do assume that (0.0, 0.0) is upper-left corner of the first pixel
box = FloatBox(
float(x1),
float(y1), # float 박스를 만든다.(네모난 박스를 만든다.)
float(x1 + w),
float(y1 + h))
box.clip_by_shape([height, width]) # clip_by_shape함수가 뭐지?@@@@@
# Require non-zero seg area and more than 1x1 box size
if obj['area'] > 1 and box.is_box(
) and box.area() >= 4: # 객체의 너비가 1보다 크고 박스가 있고 박스의 너비가 4이상이면
obj['bbox'] = [box.x1, box.y1, box.x2,
box.y2] # 객체의 bbox는 x1,x2,y1,y2로 지정해준다.
valid_objs.append(obj) # 그리고 객체를 유효한 객체들의 리스트에 넣는다.
if add_mask: # 그리고 여기서 마스크가 있으면(mask r cnn 일때를 말한다.)
segs = obj[
'segmentation'] # 객체의 segmentation 부분을 가지고 segs 라는 변수를 초기화한다.
if not isinstance(segs, list): # segs 라는 변수가 리스트가 아닐때,
assert obj['iscrowd'] == 1 # 객체에 iscrowd가 1이면 예외처리해준다.
obj['segmentation'] = None # 객체의 segmentation이 없다? @@@@@
else:
valid_segs = [
np.asarray(p).reshape(-1, 2).astype('float32')
for p in segs if len(p) >= 6
] # segs라는 리스트에서 유효한 것들만 뽑는다.
if len(valid_segs) < len(
segs): # 근데 segs들에서 유효한 segs들이 별로 없다면
log_once("Image {} has invalid polygons!".format(
img['file_name']),
'warn') # 로그를 띄운다. 별로 없어서 warning이라고
obj['segmentation'] = valid_segs # 유효한 segs들은 객체의 segmentation에 다시 넣어준다.
# all geometrically-valid boxes are returned
boxes = np.asarray(
[obj['bbox'] for obj in valid_objs],
dtype='float32') # (n, 4) # 유효한 객체들의 bbox를 np를 통해 만든어 준다.
cls = np.asarray(
[ # 유효한 객체들로 클래스를 만든어 cls라는 변수를 만들어 준다.
COCOMeta.category_id_to_class_id[obj['category_id']]
for obj in valid_objs
],
dtype='int32') # (n,)
is_crowd = np.asarray(
[obj['iscrowd'] for obj in valid_objs], dtype='int8'
) # 유효한 객체에서 각 객체의 is_crowd 를 가지고 is_crowd라는 똑같은 이름의 변수를 초기화해준다.
# add the keys
img['boxes'] = boxes # nx4 # 박스들을 이미지 객체의 박스에 넣는다. 여기서 boxes는 아마 유효한 것들의 boxes 일것이다.
img['class'] = cls # n, always >0 # 클래스들을 이미지 객체의 클래스에 넣는다.
img['is_crowd'] = is_crowd # n, # is_crowd를 이미지 객체의 그것에 넣는다.
if add_mask: # 만약 마스크 rcnn 이라면
# also required to be float32
img['segmentation'] = [ # 세그멘테이션도 이와 동일한 맥락이다.
obj['segmentation'] for obj in valid_objs
]
