def main():
start = time.time()
''' Initialize default parameters '''
param_obj = par.Parameter_obj()
path_obj = par.Path_obj()
''' Loop through all maps defined in the input dataset folder '''
for f in listdir(path_obj.datasetInputFolder):
if isfile(join(path_obj.datasetInputFolder, f)):
if f[-6:] == ".world": # valid world file
worldFilePath = join(path_obj.datasetInputFolder, f)
param_obj.imageScale, path_obj.inputFileName = parseWorldFile(
worldFilePath)
path_obj.actualOutputFolder = join(path_obj.parentOutputFolder,
f[:-6])
path_obj.outputFileName = join(path_obj.actualOutputFolder,
f[:-6]) + ".xml"
if not exists(path_obj.actualOutputFolder):
makedirs(path_obj.actualOutputFolder)
path_obj.metricMap = join(path_obj.datasetInputFolder,
path_obj.inputFileName)
print path_obj.metricMap
print len(path_obj.metricMap)
extractLayout(param_obj, path_obj)
fine = time.time()
elapsed = fine - start
print "Computation lasted %f seconds" % elapsed
def main():
start = time.time()
print ''' PROBLEMI NOTI \n
1] LE LINEE OBLIQUE NON VANNO;\n
2] NON CLASSIFICA LE CELLE ESTERNE CHE STANNO DENTRO IL CONVEX HULL, CHE QUINDI VENGONO CONSIDERATE COME STANZE;\n
OK 3] ACCURACY NON FUNZIONA;\n
4] QUANDO VENGONO RAGGRUPPATI TRA DI LORO I CLUSTER COLLINEARI, QUESTO VIENE FATTO A CASCATA. QUESTO FINISCE PER ALLINEARE ASSIEME MURA MOLTO DISTANTI;\n
5] IL SISTEMA E' MOLTO SENSIBILE ALLA SCALA. BISOGNEREBBE INGRANDIRE TUTTE LE IMMAGINI FACENDO UN RESCALING E RISOLVERE QUESTO PROBLEMA. \n
[4-5] FANNO SI CHE I CORRIDOI PICCOLI VENGANO CONSIDERATI COME UNA RETTA UNICA\n
6] BISOGNEREBBE FILTRARE LE SUPERFICI TROPPO PICCOLE CHE VENGONO CREATE TRA DEI CLUSTER;\n
7] LE IMMAGINI DI STAGE SONO TROPPO PICCOLE; VANNO RIPRESE PIU GRANDI \n
>> LANCIARE IN BATCH SU ALIENWARE\n
>> RENDERE CODICE PARALLELO\n
8] MANCANO 30 DATASET DA FARE CON STAGE\n
9] OGNI TANTO NON FUNZIONA IL GET CONTORNO PERCHE SBORDA ALL'INTERNO\n
>> PROVARE CON SCAN BORDO (SU IMMAGINE COPIA)\n
>> PROVARE A SETTARE IL PARAMETRO O A MODIFICARE IL METODO DI SCAN BORDO\n
>> CERCARE SOLUZIONI ALTERNATIVE (ES IDENTIFICARE LE CELLE ESTERNE)\n
OK 10] VANNO TARATI MEGLIO I PARAMETRI PER IL CLUSTERING\n
>> I PARAMETRI DE CLUSTERING SONO OK; OGNI TANTO FA OVERSEGMENTAZIONE.\n
>>> EVENTUALMENTE SE SI VEDE CHE OVERSEGMENTAZIONE SONO UN PROBLEMA CAMBIARE CLUSTERING O MERGE CELLE\n
11] LE LINEE DELLA CANNY E HOUGH TALVOLTA SONO TROPPO GROSSE \n
>> IN REALTA SEMBRA ESSERE OK; PROVARE CON MAPPE PIU GRANDI E VEDERE SE CAMBIA.
12] BISOGNEREBBE AUMENTARE LA SEGMENTAZIONE CON UN VORONOI
OK 13] STAMPA L'IMMAGINE DELLA MAPPA AD UNA SCALA DIVERSA RISPETTO A QUELLA VERA.\n
OK 14] RISTAMPARE SCHOOL_GT IN GRANDE CHE PER ORA E' STAMPATO IN PICCOLO (800x600)\n
OK VEDI 10] 15] NOI NON CALCOLIAMO LA DIFFUSION DEL METODO DI MURA; PER ALCUNI VERSI E' UN BENE PER ALTRI NO\n
OK VEDI 4] 16] NON FACCIAMO IL CLUSTERING DEI SEGMENTI IN MANIERA CORRETTA; DOVREMMO SOLO FARE MEANSHIFT\n
17] LA FASE DEI SEGMENTI VA COMPLETAMENTE RIFATTA; MEANSHIFT NON FUNZIONA COSI'; I SEGMENTI HANNO UN SACCO DI "==" CHE VANNO TOLTI; SPATIAL CLUSTRING VA CAMBIATO;\n
18] OGNI TANTO IL GRAFO TOPOLOGICO CONNETTE STANZE CHE SONO ADIACENTI MA NON CONNESSE. VA RIVISTA LA PARTE DI MEDIALAXIS;\n
19] PROVARE A USARE L'IMMAGINE CON IL CONTORNO RICALCATO SOLO PER FARE GETCONTOUR E NON NEGLI ALTRI STEP.\n
20] TOGLIERE THRESHOLD + CANNY -> USARE SOLO CANNY.\n
21] TOGLIERE LE CELLE INTERNE CHE SONO BUCHI.\n
>> USARE VORONOI PER CONTROLLARE LA CONNETTIVITA.\n
>> USARE THRESHOLD SU SFONDO \n
>> COMBINARE I DUE METODI\n
22] RIMUOVERE LE STANZE ERRATE:\n
>> STANZE "ESTERNE" INTERNE VANNO TOLTE IN BASE ALLE CELLE ESTERNE\n
>> RIMUOVERE STANZE CON FORME STUPIDE (ES PARETI LUNGHE STRETTE), BISOGNA DECIDERE SE ELIMINARLE O INGLOBARLE IN UN ALTRA STANZA\n
23] RISOLVERE TUTTI I WARNING.\n
da chiedere: guardare il metodo clustering_dbscan_celle(...) in layout la riga
af = DBSCAN(eps, min_samples, metric="precomputed").fit(X) non dovrebbe essere cosi?
af = DBSCAN(eps= eps, min_samples = min_samples, metric="precomputed").fit(X)
'''
print '''
FUNZIONAMENTO:\n
SELEZIONARE SU QUALI DATASETs FARE ESPERIMENTI (variabile DATASETs -riga165- da COMMENTARE / DECOMMENTARE)\n
SPOSTARE LE CARTELLE CON I NOMI DEI DATASET CREATI DALL'ESPERIMENTO PRECEDENTE IN UNA SOTTO-CARTELLA (SE TROVA UNA CARTELLA CON LO STESSO NOME NON CARICA LA MAPPA)\n
SETTARE I PARAMERI \n
ESEGUIRE\n
OGNI TANTO IL METODO CRASHA IN FASE DI VALUTAZIONE DI ACCURATEZZA. NEL CASO, RILANCIARLO\n
SPOSTARE TUTTI I RISULTATI IN UNA CARTELLA IN RESULTS CON UN NOME SIGNIFICATIVO DEL TEST FATTO\n
SALVARE IL MAIN DENTRO QUELLA CARTELLA\n
'''
#-------------------PARAMETRI-------------------------------------------------------
#carico parametri di default
parametri_obj = par.Parameter_obj()
#carico path di default
path_obj = par.Path_obj()
#-----------------------------------------------------------------------------------
makeFolders(path_obj.OUTFOLDERS, path_obj.DATASETs)
skip_performed = True
#-----------------------------------------------------------------------------------
#creo la cartella di log con il time stamp
our_time = str(dt.datetime.now())[:-10].replace(' ',
'@') #get current time
SAVE_FOLDER = os.path.join('./log', our_time)
if not os.path.exists(SAVE_FOLDER):
os.mkdir(SAVE_FOLDER)
SAVE_LOGFILE = SAVE_FOLDER + '/log.txt'
#------------------------------------------------------------------------------------
with open(SAVE_LOGFILE, 'w+') as LOGFILE:
print "AZIONE", par.AZIONE
print >> LOGFILE, "AZIONE", par.AZIONE
shutil.copy('./minibatch.py',
SAVE_FOLDER + '/minibatch.py') #copio il file del main
shutil.copy('./parameters.py', SAVE_FOLDER +
'/parameters.py') #copio il file dei parametri
if par.AZIONE == "batch":
if par.LOADMAIN == False:
print >> LOGFILE, "SONO IN MODALITA' START MAIN"
else:
print >> LOGFILE, "SONO IN MODALITA' LOAD MAIN"
print >> LOGFILE, "-----------------------------------------------------------"
for DATASET in path_obj.DATASETs:
print >> LOGFILE, "PARSO IL DATASET", DATASET
global_results = []
print 'INIZIO DATASET ', DATASET
for metricMap in glob.glob(path_obj.INFOLDERS + 'IMGs/' +
DATASET + '/*.png'):
print >> LOGFILE, "---parso la mappa: ", metricMap
print 'INIZIO A PARSARE ', metricMap
path_obj.metricMap = metricMap
map_name = metricMap.split('/')[-1][:-4]
#print map_name
SAVE_FOLDER = path_obj.OUTFOLDERS + DATASET + '/' + map_name
SAVE_PICKLE = path_obj.OUTFOLDERS + DATASET + '_pickle/' + map_name.split(
'.')[0]
if par.LOADMAIN == False:
if not os.path.exists(SAVE_FOLDER):
os.mkdir(SAVE_FOLDER)
os.mkdir(SAVE_PICKLE)
else:
# evito di rifare test che ho gia fatto
if skip_performed:
print 'GIA FATTO; PASSO AL SUCCESSIVO'
continue
#print SAVE_FOLDER
path_obj.filepath = SAVE_FOLDER + '/'
path_obj.filepath_pickle_layout = SAVE_PICKLE + '/' + 'Layout.pkl'
path_obj.filepath_pickle_grafoTopologico = SAVE_PICKLE + '/' + 'GrafoTopologico.pkl'
add_name = '' if DATASET == 'SCHOOL' else ''
path_obj.nome_gt = path_obj.INFOLDERS + 'XMLs/' + DATASET + '/' + map_name + add_name + '.xml'
#--------------------new parametri-----------------------------------
#setto i parametri differenti(ogni dataset ha parametri differenti)
parametri_obj.minLateralSeparation = 7 if (
DATASET == 'SCHOOL' or DATASET == 'PARZIALI'
or DATASET == 'SCHOOL_grandi') else 15
#parametri_obj.cv2thresh = 150 if DATASET == 'SCHOOL' else 200
parametri_obj.cv2thresh = 150 if (
DATASET == 'SCHOOL' or DATASET == 'PARZIALI'
or DATASET == 'SCHOOL_grandi') else 200
parametri_obj.flip_dataset = True if DATASET == 'SURVEY' else False
#--------------------------------------------------------------------
#-------------------ESECUZIONE---------------------------------------
if par.LOADMAIN == False:
print "start main"
results = start_main(parametri_obj, path_obj)
global_results.append(results)
#calcolo accuracy finale dell'intero dataset
if metricMap == glob.glob(path_obj.INFOLDERS +
'IMGs/' + DATASET +
'/*.png')[-1]:
accuracy_bc_medio = []
accuracy_bc_in_pixels = []
accuracy_fc_medio = []
accuracy_fc_in_pixels = []
for i in global_results:
accuracy_bc_medio.append(i[0])
accuracy_fc_medio.append(i[2])
accuracy_bc_in_pixels.append(i[4])
accuracy_fc_in_pixels.append(i[5])
filepath = path_obj.OUTFOLDERS + DATASET + '/'
print filepath
f = open(filepath + 'accuracy.txt', 'a')
#f.write(filepath)
f.write('accuracy_bc = ' +
str(np.mean(accuracy_bc_medio)) + '\n')
f.write('accuracy_bc_pixels = ' +
str(np.mean(accuracy_bc_in_pixels)) + '\n')
f.write('accuracy_fc = ' +
str(np.mean(accuracy_fc_medio)) + '\n')
f.write('accuracy_fc_pixels = ' +
str(np.mean(accuracy_fc_in_pixels)) +
'\n\n')
f.close()
LOGFILE.flush()
elif par.LOADMAIN == True:
print "load main"
print >> LOGFILE, "---parso la mappa: ", path_obj.metricMap
load_main(path_obj.filepath_pickle_layout,
path_obj.filepath_pickle_grafoTopologico,
path_obj.filepath + "parametri.xml")
LOGFILE.flush()
else:
continue
break
LOGFILE.flush()
elif par.AZIONE == 'mappa_singola':
#-------------------ESECUZIONE singola mappa----------------------------------
if par.LOADMAIN == False:
print "start main"
print >> LOGFILE, "SONO IN MODALITA' START MAIN"
print >> LOGFILE, "---parso la mappa: ", path_obj.metricMap
start_main(parametri_obj, path_obj)
LOGFILE.flush()
else:
print "load main"
print >> LOGFILE, "SONO IN MODALITA' LOAD MAIN"
print >> LOGFILE, "---parso la mappa: ", path_obj.metricMap
load_main(path_obj.filepath_pickle_layout,
path_obj.filepath_pickle_grafoTopologico,
path_obj.filepath + "parametri.xml")
LOGFILE.flush()
#-------------------TEMPO IMPIEGATO-------------------------------------------------
fine = time.time()
elapsed = fine - start
print "la computazione ha impiegato %f secondi" % elapsed
