# 目标检测

目标检测模型用于识别图像中的物体，目标检测数据集则应用于自动驾驶以及检测野火等自然灾害等场景。本指南将展示如何按照来自 [Albumentations](https://albumentations.ai/docs/) 的 [教程](https://albumentations.ai/docs/examples/example_bboxes/)，对目标检测数据集应用变换。

要运行这些示例，请确保已安装最新版本的 [albumentations](https://albumentations.ai/docs/) 和 [cv2](https://docs.opencv.org/4.10.0/)：

```bash
pip install -U albumentations opencv-python
```

在此示例中，您将使用 [`cppe-5`](https://huggingface.co/datasets/rishitdagli/cppe-5) 数据集，在 COVID-19 大流行的背景下识别医疗个人防护装备（PPE）。

加载数据集并查看一个示例：

```py
>>> from datasets import load_dataset

>>> ds = load_dataset("rishitdagli/cppe-5")
>>> example = ds['train'][0]
>>> example
{'height': 663,
 'image': <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=943x663 at 0x7FC3DC756250>,
 'image_id': 15,
 'objects': {'area': [3796, 1596, 152768, 81002],
  'bbox': [[302.0, 109.0, 73.0, 52.0],
   [810.0, 100.0, 57.0, 28.0],
   [160.0, 31.0, 248.0, 616.0],
   [741.0, 68.0, 202.0, 401.0]],
  'category': [4, 4, 0, 0],
  'id': [114, 115, 116, 117]},
 'width': 943}
```

该数据集包含以下字段：

- `image`：包含图像的 PIL.Image.Image 对象。
- `image_id`：图像 ID。
- `height`：图像的高度。
- `width`：图像的宽度。
- `objects`：一个字典，包含图像中对象的边界框元数据：
  - `id`：标注 ID。
  - `area`：边界框的面积。
  - `bbox`：对象的边界框（采用 [coco](https://albumentations.ai/docs/3-basic-usage/bounding-boxes-augmentations/#understanding-bounding-box-formats) 格式）。
  - `category`：该对象的类别，可能的取值包括 `Coverall (0)`、`Face_Shield (1)`、`Gloves (2)`、`Goggles (3)` 和 `Mask (4)`。

你可以使用一些内部的 torch 工具在图像上可视化 `bboxes`。为此，你需要引用与类别 ID 关联的 [ClassLabel](/docs/datasets/main/zh/package_reference/main_classes#datasets.ClassLabel) 特征，以便查找字符串标签：

```py
>>> import torch
>>> from torchvision.ops import box_convert
>>> from torchvision.utils import draw_bounding_boxes
>>> from torchvision.transforms.functional import pil_to_tensor, to_pil_image

>>> categories = ds['train'].features['objects'].feature['category']

>>> boxes_xywh = torch.tensor(example['objects']['bbox'])
>>> boxes_xyxy = box_convert(boxes_xywh, 'xywh', 'xyxy')
>>> labels = [categories.int2str(x) for x in example['objects']['category']]
>>> to_pil_image(
...     draw_bounding_boxes(
...         pil_to_tensor(example['image']),
...         boxes_xyxy,
...         colors="red",
...         labels=labels,
...     )
... )
```

    

使用 `albumentations`，你可以应用会影响图像的变换，同时相应地更新 `bboxes`。在这种情况下，图像会被调整为 (480, 480)、水平翻转并提亮。

```py
>>> import albumentations
>>> import numpy as np

>>> transform = albumentations.Compose([
...     albumentations.Resize(480, 480),
...     albumentations.HorizontalFlip(p=1.0),
...     albumentations.RandomBrightnessContrast(p=1.0),
... ], bbox_params=albumentations.BboxParams(format='coco',  label_fields=['category']))

>>> image = np.array(example['image'])
>>> out = transform(
...     image=image,
...     bboxes=example['objects']['bbox'],
...     category=example['objects']['category'],
... )
```

现在当你可视化结果时，图像应该被翻转，但`bboxes`仍然应该位于正确的位置。

```py
>>> image = torch.tensor(out['image']).permute(2, 0, 1)
>>> boxes_xywh = torch.stack([torch.tensor(x) for x in out['bboxes']])
>>> boxes_xyxy = box_convert(boxes_xywh, 'xywh', 'xyxy')
>>> labels = [categories.int2str(x) for x in out['category']]
>>> to_pil_image(
...     draw_bounding_boxes(
...         image,
...         boxes_xyxy,
...         colors='red',
...         labels=labels
...     )
... )
```

    

创建一个函数，将转换应用于一批示例：

```py
>>> def transforms(examples):
...     images, bboxes, categories = [], [], []
...     for image, objects in zip(examples['image'], examples['objects']):
...         image = np.array(image.convert("RGB"))
...         out = transform(
...             image=image,
...             bboxes=objects['bbox'],
...             category=objects['category']
...         )
...         images.append(torch.tensor(out['image']).permute(2, 0, 1))
...         bboxes.append(torch.tensor(out['bboxes']))
...         categories.append(out['category'])
...     return {'image': images, 'bbox': bboxes, 'category': categories}
```

使用 [set_transform()](/docs/datasets/main/zh/package_reference/main_classes#datasets.Dataset.set_transform) 函数可以即时应用转换，从而减少磁盘空间占用。数据增强中的随机性可能导致两次访问同一示例时返回不同的图像。这在训练模型多个 epoch 时尤为有用。

```py
>>> ds['train'].set_transform(transforms)
```

你可以通过可视化第 10 个示例来验证该转换是否正常工作：

```py
>>> example = ds['train'][10]
>>> to_pil_image(
...     draw_bounding_boxes(
...         example['image'],
...         box_convert(example['bbox'], 'xywh', 'xyxy'),
...         colors='red',
...         labels=[categories.int2str(x) for x in example['category']]
...     )
... )
```

    

> [!TIP]
> 现在你已经了解了如何为对象检测处理数据集，接下来学习[如何训练对象检测模型](https://colab.research.google.com/github/NielsRogge/Transformers-Tutorials/blob/master/YOLOS/Fine_tuning_YOLOS_for_object_detection_on_custom_dataset_(balloon).ipynb)并使用它进行推理。