Python 画像セグメンテーション ガイド

MediaPipe 画像セグメンテーション タスクを使用すると、事前定義されたカテゴリに基づいて画像を領域に分割し、背景のぼかしなどの視覚効果を適用できます。ここでは、Python 言語で画像セグメンテーションを使用する方法について説明します。このタスクの機能、モデル、構成オプションの詳細については、概要をご覧ください。

サンプルコード

参考用に、Image Segmenter のサンプルコードでは、このタスクの完全な実装を Python で提供しています。このコードは、このタスクをテストして、独自の画像セグメント アプリケーションの構築を始めるのに役立ちます。ウェブブラウザだけで、画像セグメンテーションのサンプルコードを表示、実行、編集できます。

セットアップ

このセクションでは、イメージ セグメンテーションを使用するための開発環境とコード プロジェクトを設定する際の主な手順について説明します。プラットフォームのバージョン要件など、MediaPipe タスクを使用するための開発環境の設定に関する一般的な情報については、Python の設定ガイドをご覧ください。この例のソースコードは GitHub で確認できます。

パッケージ

MediaPipe Image Segmenter タスクには、mediapipe パッケージが必要です。必要な依存関係は、次のコマンドを使用してインストールできます。

$ python -m pip install mediapipe

インポート

次のクラスをインポートして、Image Segmenter タスク関数にアクセスします。

import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision

モデル

MediaPipe Image Segmenter タスクには、このタスクと互換性のあるトレーニング済みモデルが必要です。画像セグメンテーションで使用可能なトレーニング済みモデルの詳細については、タスクの概要のモデルセクションをご覧ください。

モデルを選択してダウンロードし、プロジェクト ディレクトリに保存します。

model_path = '/absolute/path/to/model.tflite'

次のように、[モデル名] パラメータ内にモデルのパスを指定します。

base_options = BaseOptions(model_asset_path=model_path)

タスクを作成する

MediaPipe Image Segmenter タスクは、create_from_options 関数を使用してタスクを設定します。create_from_options 関数は、処理する構成オプションの値を受け入れます。タスク構成の詳細については、構成オプションをご覧ください。

これらのサンプルは、画像、動画ファイル、ライブ動画ストリームのタスク構成のバリエーションも示しています。

画像

BaseOptions = mp.tasks.BaseOptions
ImageSegmenter = mp.tasks.vision.ImageSegmenter
ImageSegmenterOptions = mp.tasks.vision.ImageSegmenterOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a image segmenter instance with the image mode:
options = ImageSegmenterOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.IMAGE,
    output_category_mask=True)
with ImageSegmenter.create_from_options(options) as segmenter:
  

動画

BaseOptions = mp.tasks.BaseOptions
ImageSegmenter = mp.tasks.vision.ImageSegmenter
ImageSegmenterOptions = mp.tasks.vision.ImageSegmenterOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a image segmenter instance with the video mode:
options = ImageSegmenterOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.VIDEO,
    output_category_mask=True)
with ImageSegmenter.create_from_options(options) as segmenter:
  

ライブ配信

BaseOptions = mp.tasks.BaseOptions
ImageSegmenter = mp.tasks.vision.ImageSegmenter
ImageSegmenterOptions = mp.tasks.vision.ImageSegmenterOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a image segmenter instance with the live stream mode:
def print_result(result: List[Image], output_image: Image, timestamp_ms: int):
    print('segmented masks size: {}'.format(len(result)))

options = ImageSegmenterOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.VIDEO,
    output_category_mask=True)
with ImageSegmenter.create_from_options(options) as segmenter:
    

構成オプション

このタスクには、Python アプリケーション用に次の構成オプションがあります。

オプション名 説明 値の範囲 デフォルト値
running_mode タスクの実行モードを設定します。モードは 3 つあります。

IMAGE: 単一の画像入力のモード。

VIDEO: 動画のデコードされたフレームのモード。

LIVE_STREAM: カメラからのデータなど、入力データのライブストリームのモード。このモードでは、resultListener を呼び出して、結果を非同期で受け取るリスナーをセットアップする必要があります。
{IMAGE, VIDEO, LIVE_STREAM} IMAGE
output_category_mask True に設定すると、出力には、uint8 画像としてセグメンテーション マスクが含まれ、各ピクセル値は最も成功したカテゴリ値を示します。 {True, False} False
output_confidence_masks True に設定すると、出力には浮動小数点値の画像としてセグメンテーション マスクが含まれ、各浮動小数点値はカテゴリの信頼スコアマップを表します。 {True, False} True
display_names_locale タスクのモデルのメタデータで提供される表示名に使用するラベルの言語を設定します(利用可能な場合)。英語の場合、デフォルトは en です。TensorFlow Lite Metadata Writer API を使用して、カスタムモデルのメタデータにローカライズされたラベルを追加できます。言語 / 地域コード en
result_callback 画像セグメンタがライブ ストリーム モードのときにセグメンテーション結果を非同期で受け取るように結果リスナーを設定します。実行モードが LIVE_STREAM に設定されている場合にのみ使用できます なし なし

データの準備

入力を画像ファイルまたは numpy 配列として準備し、mediapipe.Image オブジェクトに変換します。入力が動画ファイルまたはウェブカメラのライブ ストリームの場合は、OpenCV などの外部ライブラリを使用して、入力フレームを numpy 配列として読み込むことができます。

画像

# Load the input image from an image file.
mp_image = mp.Image.create_from_file('/path/to/image')

# Load the input image from a numpy array.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_image)
    

動画

# Use OpenCV’s VideoCapture to load the input video.
# Load the frame rate of the video using OpenCV’s CV_CAP_PROP_FPS
# You need the frame rate to calculate the timestamp for each frame.
# Loop through each frame in the video using VideoCapture#read()

# Convert the frame received from OpenCV to a MediaPipe’s Image object.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)
    

ライブ配信

# Use OpenCV’s VideoCapture to start capturing from the webcam.
# Create a loop to read the latest frame from the camera using VideoCapture#read()

# Convert the frame received from OpenCV to a MediaPipe’s Image object.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_frame_from_opencv)
    

画像セグメンテーション用のデータの準備を示すコードサンプルについては、コードサンプルをご覧ください。

タスクを実行する

画像セグメンテーションでは、segmentsegment_for_videosegment_async 関数を使用して推論をトリガーします。画像セグメンテーションの場合、入力データの前処理、セグメンテーション モデルの実行、未加工モデル出力のセグメント化されたマスクへの後処理が含まれます。

次のコードサンプルは、タスクモデルを使用して処理を実行する方法を示しています。

画像

# Perform image segmentation on the provided single image.
# The image segmenter must be created with the image mode.
segmented_masks = segmenter.segment(mp_image)
    

動画

# Perform image segmentation on the provided single image.
# The image segmenter must be created with the video mode.
segmented_masks = segmenter.segment_for_video(mp_image, frame_timestamp_ms)
    

ライブ配信

# Send live image data to perform image segmentation.
# The results are accessible via the `result_callback` provided in
# the `ImageSegmenterOptions` object.
# The image segmenter must be created with the live stream mode.
segmenter.segment_async(mp_image, frame_timestamp_ms)
    

次の点にご留意ください。

  • 動画モードまたはライブ ストリーム モードで実行する場合は、画像セグメンテーション タスクに入力フレームのタイムスタンプも指定する必要があります。
  • 画像モデルまたは動画モデルで実行されている場合、画像セグメンテーション タスクは、入力画像または入力フレームの処理が完了するまで現在のスレッドをブロックします。

画像セグメンテーションの推論の実行に関する詳細な例については、コードサンプルをご覧ください。

結果を処理して表示する

画像セグメンテーションは、Image データのリストを出力します。output_typeCATEGORY_MASK の場合、出力は uint8 イメージとして単一のセグメント化されたマスクを含むリストです。このピクセルは、入力画像の認識されたカテゴリ インデックスを示します。output_typeCONFIDENCE_MASK の場合、出力はカテゴリ番号のサイズを持つベクトルです。セグメント化された各マスクは [0,1] の範囲内の浮動小数点画像で、カテゴリに属するピクセルの信頼スコアを表します。

次のセクションでは、このタスクからの出力データの例を示します。

カテゴリの信頼度

次の図は、カテゴリの信頼マスクのタスク出力を可視化したものです。信頼度マスクの出力には、[0, 1] 間の浮動小数点値が含まれます。

元の画像とカテゴリの信頼度マスクの出力。Pascal VOC 2012 データセットのソース画像。

カテゴリの値

次の画像は、カテゴリ値のマスクのタスク出力を可視化したものです。カテゴリマスクの範囲は [0, 255] で、各ピクセル値は、モデル出力で最も優れたカテゴリ インデックスを表します。優先カテゴリ インデックスは、モデルが認識できるカテゴリの中で最も高いスコアを持ちます。

元の画像とカテゴリマスクの出力。Pascal VOC 2012 データセットのソース画像。