Python용 대화형 이미지 세분화 가이드

MediaPipe 양방향 이미지 세분화 작업은 이미지에서 위치를 가져와 해당 위치에 있는 객체의 경계를 추정한 후 객체의 세분화를 이미지 데이터로 반환합니다. 이 안내에서는 Python 언어로 대화형 이미지 세분화 도구를 사용하는 방법을 보여줍니다. 이 태스크의 기능, 모델, 구성 옵션에 대한 자세한 내용은 개요를 참조하세요.

코드 예시

대화형 이미지 세분화기의 예시 코드는 참조용으로 Python으로 이 작업의 전체 구현을 제공합니다. 이 코드를 사용하면 이 작업을 테스트하고 자체 대화형 이미지 분할 애플리케이션 빌드를 시작할 수 있습니다. 웹브라우저만 사용하여 대화형 이미지 세분화기 예시 코드를 보고 실행하고 수정할 수 있습니다.

설정

이 섹션에서는 양방향 이미지 세그먼테이션을 사용하도록 개발 환경 및 코드 프로젝트를 설정하기 위한 주요 단계를 설명합니다. 플랫폼 버전 요구사항을 포함하여 MediaPipe 태스크를 사용하기 위한 개발 환경 설정에 관한 일반적인 정보는 Python 설정 가이드를 참조하세요. 이 예시의 소스 코드는 GitHub에서 검토할 수 있습니다.

패키지

MediaPipe 양방향 이미지 분할기 작업에는 mediapipe 패키지가 필요합니다. 다음 명령어를 사용하여 필요한 종속 항목을 설치할 수 있습니다.

$ python -m pip install mediapipe

가져오기

대화형 이미지 세분화 도구 작업 함수에 액세스하려면 다음 클래스를 가져옵니다.

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

모델

MediaPipe 양방향 이미지 분할기 작업에는 이 작업과 호환되는 학습된 모델이 필요합니다. 대화형 이미지 세분화에 사용할 수 있는 학습된 모델에 대한 자세한 내용은 작업 개요 모델 섹션을 참조하세요.

모델을 선택 및 다운로드한 후 프로젝트 디렉터리에 저장합니다.

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

아래와 같이 model_asset_path 매개변수 내에 모델 경로를 지정합니다.

base_options = BaseOptions(model_asset_path=model_path)

할 일 만들기

MediaPipe 양방향 이미지 분할기 작업은 create_from_options 함수를 사용하여 작업을 설정합니다. create_from_options 함수는 처리할 구성 옵션의 값을 허용합니다. 구성 옵션에 대한 자세한 내용은 구성 옵션을 참조하세요. 다음 코드는 이 작업을 빌드하고 구성하는 방법을 보여줍니다.

BaseOptions = mp.tasks.BaseOptions
InteractiveSegmenter = mp.tasks.vision.InteractiveSegmenter
InteractiveSegmenterOptions = mp.tasks.vision.InteractiveSegmenterOptions
VisionRunningMode = mp.tasks.vision.RunningMode

# Create a image segmenter instance with the image mode:
options = InteractiveSegmenterOptions(
    base_options=BaseOptions(model_asset_path='/path/to/model.task'),
    running_mode=VisionRunningMode.IMAGE,
    output_type=InteractiveSegmenterOptions.OutputType.CATEGORY_MASK)
with InteractiveSegmenter.create_from_options(options) as segmenter:
# segmenter is initialized and ready to use

구성 옵션

이 태스크에는 다음과 같은 Python 애플리케이션 구성 옵션이 있습니다.

옵션 이름	설명	값 범위	기본값
output_category_mask	True로 설정하면 출력에 세분화 마스크가 uint8 이미지로 포함되며, 여기서 각 픽셀 값은 픽셀이 관심 영역에 위치한 객체의 일부인지를 나타냅니다.	{True, False}	False
output_confidence_masks	True로 설정하면 출력에 세분화 마스크가 부동 값 이미지로 포함되며, 여기서 각 부동 소수점 값은 픽셀이 관심 영역에 위치한 객체의 일부라는 신뢰도를 나타냅니다.	{True, False}	True
display_names_locale	가능한 경우 태스크 모델의 메타데이터에 제공되는 표시 이름에 사용할 라벨 언어를 설정합니다. 기본값은 영어의 경우 en입니다. TensorFlow Lite Metadata Writer API를 사용하여 커스텀 모델의 메타데이터에 현지화된 라벨을 추가할 수 있습니다.	언어 코드	한국어

데이터 준비

입력을 이미지 파일 또는 Numpy 배열로 준비한 다음 mediapipe.Image 객체로 변환합니다.

# 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)

양방향 이미지 세분화 도구를 위한 데이터 준비를 보여주는 코드 예는 코드 예를 참고하세요.

작업 실행

양방향 이미지 세분화는 segment 함수를 사용하여 추론을 트리거합니다. 이미지 분할의 경우 입력 데이터 전처리, 분할 모델 실행, 분할된 마스크에 대한 원시 모델 출력 후처리가 포함됩니다.

다음 코드 예는 작업 모델을 사용하여 처리를 실행하는 방법을 보여줍니다.

RegionOfInterest = vision.InteractiveSegmenterRegionOfInterest
# Perform image segmentation on the provided single image.
# The image segmenter must be created with the image mode.
roi = RegionOfInterest(format=RegionOfInterest.Format.KEYPOINT,
                          keypoint=NormalizedKeypoint(x, y))
segmented_masks = segmenter.segment(mp_image, roi)

양방향 이미지 세분화기 추론을 실행하는 더 완전한 예는 코드 예를 참고하세요.

결과 처리 및 표시

양방향 이미지 세분화기의 출력 결과는 Image 데이터 목록이며 작업을 구성할 때 설정한 항목에 따라 카테고리 마스크나 신뢰도 마스크 또는 둘 다를 포함할 수 있습니다. output_category_mask를 True로 설정하면 단일 세그먼트 마스크가 uint8 이미지로 포함된 목록이 출력됩니다. 픽셀 값은 관심 영역에 있는 객체의 일부인지를 나타냅니다. 입력 이미지의 인식된 카테고리 색인입니다. output_confidence_masks를 True로 설정하면 관심 영역의 객체에 속하는 픽셀의 신뢰도 점수를 나타내는 [0,1] 범위 내의 픽셀 값을 포함하는 채널 목록이 출력됩니다.

다음 섹션에서는 이 작업의 출력 데이터를 자세히 설명합니다.

카테고리 마스크

다음 이미지는 관심 장소가 표시된 카테고리 값 마스크의 작업 출력을 시각화한 것입니다. 각 픽셀은 해당 픽셀이 관심 영역에 위치한 객체의 일부인지를 나타내는 uint8 값입니다. 두 번째 이미지의 흑백 원은 선택한 관심 지역을 나타냅니다.

원본 이미지 및 카테고리 마스크 출력. Pascal VOC 2012 데이터 세트의 소스 이미지

신뢰도 마스크

신뢰도 마스크의 출력에는 각 이미지 입력 채널의 [0, 1] 사이의 부동 소수점 값이 포함됩니다. 값이 클수록 이미지 픽셀이 관심 영역에 위치한 객체의 일부임을 확신할 수 있습니다.