Я пытаюсь выполнить семантическую сегментацию, используя вариант SLIC, и хочу создать маску для исходного изображения, где каждый сегмент окрашен (в соответствии с его классом) на основе доступных аннотаций на основе точек. Если в этом сегменте нет точечных аннотаций, то оставить равным 0.
В настоящее время у меня есть точки x, y и связанные с ними метки для изображения и (медленный) метод, который находит и окрашивает нужные сегменты. Я знаком с векторизацией или с «питоновским» делом, но я не могу ускорить этот последний цикл for и хотел бы получить некоторые советы или ссылки по оптимизации. Спасибо.
# Point-based annotations
annotation = pd.read_csv("a_dataframe.csv") # [X, Y, Label]
color_label = {'class 1' : 25, 'class 2' : 50, 'class 3' : 75}
# Uses CPU to create single segmented image with current params
slic = SlicAvx2(num_components = n_segments, compactness = n_compactness)
segmented_image = slic.iterate(cv2.cvtColor(each_image, cv2.COLOR_RGB2LAB))
# Finds the segments of interest and records their ID
X = np.array(each_annotation.iloc[:, 0], dtype = 'uint8')
Y = np.array(each_annotation.iloc[:, 1], dtype = 'uint8')
L = np.array(each_annotation.iloc[:, 2], dtype = 'str') # Labels
DS = segmented_image[X, Y] # Desired Segments
# Empty mask, marks the segments of interest with the classes of the point in them
mask = np.zeros(each_image.shape[:2], dtype = "uint8")
# Would ideally like to find a more quickly way of doing this
for (index, segVal) in enumerate(DS):
mask[segmented_image == segVal] = color_label.get(L[index])
По сути, у меня есть то, что я хотел бы заменить этим циклом здесь:
[mask[segmented_image == s] for i, s in enumerate(DS)]
но я не могу назначить местам X, Y соответствующую метку в mask. Я думал, что это будет что-то похожее на это:
[mask[segmented_image == s] for i, s in enumerate(DS)] = color_label.get(L[i])
но похоже, что я пытаюсь присвоить значение цвета для списков, которые я генерирую...
