py-MDNet/modules/sample_generator中样本生成部分

冷不防 2022-11-11 13:08 247阅读 0赞

原代码：

# vary aspect ratio  调整边界框的宽高比，这里自己不要过分纠结。不是很明白aspect是什么意思。也不知道它的取值
            if self.aspect is not None:
                ratio = np.random.rand(n, 2) * 2 - 1#博客中说这里是生成均匀分布的随机样本。[0,1)*2-1,我也不知道为什么要这样算。我感觉是一个比率
                samples[:, 2:] *= self.aspect ** ratio#调整samples后两列即w，h，w = w**ratio，h = h**ratio
    
            # sample generation#样本生成，type是指生成哪一种分布的包围盒。
                    #包围盒的生成就是围绕第一帧中边界框的位置生成的。
            if self.type == 'gaussian':
                samples[:, :2] += self.trans * np.mean(bb[2:]) * np.clip(0.5 * np.random.randn(n, 2), -1, 1)
                samples[:, 2:] *= self.scale ** np.clip(0.5 * np.random.randn(n, 1), -1, 1)
    
            elif self.type == 'uniform':
                samples[:, :2] += self.trans * np.mean(bb[2:]) * (np.random.rand(n, 2) * 2 - 1)
                samples[:, 2:] *= self.scale ** (np.random.rand(n, 1) * 2 - 1)
    
            elif self.type == 'whole':
                m = int(2 * np.sqrt(n))
                xy = np.dstack(np.meshgrid(np.linspace(0, 1, m), np.linspace(0, 1, m))).reshape(-1, 2)
                xy = np.random.permutation(xy)[:n]
                samples[:, :2] = bb[2:] / 2 + xy * (self.img_size - bb[2:] / 2 - 1)
                samples[:, 2:] *= self.scale ** (np.random.rand(n, 1) * 2 - 1)

模拟代码：

a = np.array([1,2,3,4],float)
    print("原边界框值为：\n",a)
    b = np.tile(a,(5,1))
    # print("原数组\n",a)
    # a[1:3,:] *=2
    print("变换后的边界框值为：")
    b[:, :2] += 0.1 * np.mean(a[2:]) * np.clip(0.5 * np.random.rand(5, 2),- 1,1)
    b[:, 2:] += 1.3 * (np.random.rand(5, 2) * 2 - 1)
    print(b)
    
    '''
    原边界框值为：
     [1. 2. 3. 4.]
    变换后的边界框值为：
    [[1.11710068 2.08603053 1.75637201 4.59238912]
     [1.13884457 2.1012902  4.06181353 3.45955397]
     [1.02445187 2.00988633 3.84430355 3.60715309]
     [1.01910657 2.03918938 3.23991653 4.44748657]
     [1.07313621 2.16288305 3.61764105 4.80797056]]
    '''

从输出结果可以看书，随机生成的样本，其实就是围绕第一帧边界框中的位置做变换，上下或者左右浮动一点，以生成正样本。