Numpy 地面真实图像到一个热编码阵列（语义分割）

我正在创建自己的人流和街道细分数据集。在下面，您会看到一个带标签的地面真相（GT）图像

在过去，我在模型输出和GT图像之间做了一个简单的回归（在过去，我只使用街道）。现在我读到，在这种情况下，交叉熵损失更常见。由于我的GT和模型输出图像与输入图像具有相同的宽度w和高度h，我必须创建一个大小为h x w x c的数组，其中c是类数（在我的示例3中，背景、街道、人物）。我想，这就是所谓的热编码数组

我的解决办法如下：

范围内的高度（len（img_as_np_数组））：
对于范围内的宽度（len（img_as_np_数组[0]）：
温度=np.零（类）
如果get_class（img_as_np_数组[高度，宽度]）==1：
温度[1]=1
一个热标签[高度、宽度]=温度
如果get_class（img_as_np_数组[高度，宽度]）==2：
温度[2]=1
一个热标签[高度、宽度]=温度

其中，方法get_class（channels）通过像素的颜色确定像素类

def get_类（通道）：
阈值=40
#第1类与街道、道路相对应
np.arange中的中频通道[0]（243阈值，243+阈值，1）和\
np.arange中的通道[1]（169阈值，169+阈值，1）和\
np.arange（0，阈值，1）中的通道[2]：
返回1
#第二类对应于人
np.arange中的中频通道[0]（0，阈值，1）和\
np.arange中的通道[1]（163阈值，163+阈值，1）和\
np.arange中的通道[2]（232阈值，232+阈值，1）：
返回2
#类0分别对应于背景和其他内容
返回0

我有两个问题：

我的方法非常慢（全高清图像大约3分钟），有没有办法加快速度

我注意到颜色在通道值的意义上有所不同。例如，orange应该是[243169,0]（RGB），但是我发现像这样的条目[206172,8]或者甚至像这样的条目[207176,24]可能会发生，因为我将标签存储为jpg？有没有更好的方法找到橙色和蓝色像素比我的想法与阈值以上

编辑：

我自己解决了第一个问题。对于全高清图像，这需要2或3秒：

threshold=40
class_1_shape_cond_1=（img_as_数组[：，：，0]>=243-阈值）*（img_as_数组[：，：，0]=171-阈值）*（img_as_数组[：，：，1]=0）*（img_as_数组[：，：，2]不要将标签保存为JPEG图像！
jpeg是一种方法——也就是说，它被设计为使用更少的位来保存图像，即使它改变了一点像素值，只要它对人类观察者来说“看起来不错”。

对于存储为图像的训练标签，情况并非如此！您不能承受标签中的不准确。您必须使用一种方法，例如

更好的方法是，首先将标签存储为图像，省去了从RGB值推断离散标签的所有麻烦。
关于第一个问题
如果您使用的是Tensorflow框架，tf提供了一个函数来快速生成一个热矩阵

tf.one\u热(
索引，#带标签的图像
深度，#类的数量
on_值=无，
off_值=无，
轴=无，
数据类型=无，
name=None
)
有关详细信息，请参阅(https://www.tensorflow.org/api_docs/python/tf/one_hot?version=stable)
谢谢，我已经解决了，我正在使用Pytork。不过，很高兴知道。