数据集可视化

这里提供两种可视化方法，一种是python代码，一种是命令行工具。

Python

使用PIL库，我们可以方便的对图片进行可视化，这里给出目标检测任务可视化的实例代码：

import random
from dsdl.dataset import DSDLDataset
from PIL import Image, ImageDraw

val_yaml = "~/data/PASCAL_VOC2007/dsdl/set-val/val.yaml"

loc_config = dict(
    type="LocalFileReader",
    working_dir="~/data/PASCAL_VOC2007/original"
)

# 初始化Dataset
ds_val = DSDLDataset(dsdl_yaml=val_yaml, location_config=loc_config)

# 获取索引为0的样本
example = ds_val[0]
# print(example)

# 提取图片
img = example.Image[0].to_image().convert(mode='RGB')

# 定义Draw方法
draw = ImageDraw.Draw(img)

# 迭代绘制标注框及其类别名称
for i in range(len(example.Bbox)):
    color = (random.randint(0,250), random.randint(0,250), random.randint(0,250))
    draw.rectangle(example.Bbox[i].xyxy, width=2, outline=color)
    x,y,w,h = example.Bbox[i].xywh
    draw.text((x,y), example.Label[i].name)

# 展示绘图结果
img

CLI

可视化samples

dsdl view -y <yaml-name>.yaml -c <config.py> -l ali-oss -n 10 -r -v -f Label BBox Attributes

每个参数的描述如下：

缩写	参数	描述
`-y`	`--yaml`	dsdl yaml 文件的路径
`-c`	`--config`	config文件的路径
`-l`	`--location`	可取`local` 或 `ali-oss`，分别代表从本地或阿里云oss读取媒体文件
`-n`	`--num`	可视化的样本数量
`-r`	`--random`	是否以随机的方式从数据集中读取一批样本
`-v`	`--visualize`	加上该参数会实际地执行可视化操作，否则仅将样本信息打印到控制台
`-t`	`--task`	指定当前yaml的任务类别，当前支持的任务类别及可视化的类型将会在后文展示
`-f`	`--field`	指定可视化的类型，如果不指定-t, 也可以直接指定-f来选择希望可视化的类型，当前支持的可视化类型将会在后文展示

当前支持的可视化类型见FIELDS字段，任务类别及其对应的Field种类见TASK_FIELDS字段：

FIELDS = ["image", "label", "bbox", "polygon", "keypoint", "rotatedbbox", "labelmap", "instancemap", "text"]

TASK_FIELDS = {
    "detection": ["image", "label", "bbox", "polygon", "keypoint", "rotatedbbox"],
    "classification": ["image", "label"],
    "semantic-seg": ["image", "labelmap"],
    "panoptic-seg": ["image", "labelmap", "instancemap"],
    "ocr": ["image", "rotatedbbox", "text", "polygon"]
}

可视化的结果如下：