Kornia 0.6 : Tutorials (基本) : Hello world: Planet Kornia

by

Kornia 0.6 : Tutorials (基本) : Hello world: Planet Kornia (翻訳/解説)

翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 10/20/2022 (v0.6.8)

* 本ページは、Kornia Tutorials の以下のドキュメントを翻訳した上で適宜、補足説明したものです：

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

クラスキャット 人工知能 研究開発支援サービス

◆ クラスキャット は人工知能・テレワークに関する各種サービスを提供しています。お気軽にご相談ください :

◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール。
  • お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。

◆ お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。

  • 株式会社クラスキャット セールス・マーケティング本部 セールス・インフォメーション
  • sales-info@classcat.com  ;  Web: www.classcat.com  ;   ClassCatJP

 

 

Kornia 0.6 : Tutorials (基本) : Hello world: Planet Kornia

Welcome to Planet Kornia: PyTorch のコンピュータビジョンについて学習するチュートリアルのセットです。

これは Torchvision, Kornia と OpenCV で画像のロードを簡単に開始できる方法を示す最初のチュートリアルです。

%%capture
!pip install kornia

import cv2
from matplotlib import pyplot as plt
import numpy as np

import torch
import torchvision
import kornia as K

作業を始めるために最初にインターネットから画像をダウンロードします。

%%capture
!wget https://github.com/kornia/data/raw/main/arturito.jpg

 

OpenCV で画像をロードする

画像をロードするために OpenCV を使用できます。デフォルトでは、OpenCV は画像を BGR 形式でロードしてデータ・レイアウト (H,W,C) を持つ numpy.ndarray にキャストします。

けれども、matplotlib は画像を RGB 形式で保存しますので、OpenCV では画像が正しく表示されるように BGR を RGB に変更する必要があります。

img_bgr: np.array = cv2.imread('arturito.jpg')  # HxWxC / np.uint8
img_rgb: np.array = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

plt.imshow(img_rgb); plt.axis('off');

 

画像を Torchvision でロードする

画像はまた torchvision を使用してロードすることもできます、これは画像を shape (C,H,W) の torch.Tensor で直接返します。

x_rgb: torch.tensor = torchvision.io.read_image('arturito.jpg')  # CxHxW / torch.uint8
x_rgb = x_rgb.unsqueeze(0)  # BxCxHxW
print(x_rgb.shape)

torch.Size([1, 3, 144, 256])

 

画像を Kornia でロードする

Kornia で前述のすべてを行なうことができます。

画像を他の Kornia コンポーネントに準拠させてデータを (B,C,H,W) に配置する、torch.Tensor にキャストする幾つかのユティリティがあります。

このユティリティは kornia.image_to_tensor で、これは numpy.ndarray を torch.Tensor にキャストして、画像を他の PyTorch や Kornia コンポーネントで使用する準備のためにチャネルの順序を変更します。画像は zero-copy で 4D torch.Tensor 內にキャストされます。

x_bgr: torch.tensor = K.image_to_tensor(img_bgr)  # CxHxW / torch.uint8
x_bgr = x_bgr.unsqueeze(0)  # 1xCxHxW
print(f"convert from '{img_bgr.shape}' to '{x_bgr.shape}'")

convert from '(144, 256, 3)' to 'torch.Size([1, 3, 144, 256])'

kornia.color コンポーネントで BGR から RGB に変換できます。

x_rgb: torch.tensor = K.color.bgr_to_rgb(x_bgr)  # 1xCxHxW / torch.uint8

 

画像を Matplotib で可視化する

ノートブック内の可視化のために Matplotlib を使用します。Matplotlib は (H,W,C) 形式の numpy.ndarray を必要とし、そのために kornia.tensor_to_image で戻ります、これは画像を正しい形式に変換します。

img_bgr: np.array = K.tensor_to_image(x_bgr)
img_rgb: np.array = K.tensor_to_image(x_rgb)

元の画像と変更された画像を可視化するためにサブプロットを作成します。

fig, axs = plt.subplots(1, 2, figsize=(32, 16))
axs = axs.ravel()

axs[0].axis('off')
axs[0].imshow(img_rgb)

axs[1].axis('off')
axs[1].imshow(img_bgr)

plt.show()

 

以上