資源簡介
調用deeplabv3生成的.pb文件,對圖片進行批量預測并生成彩色圖像。需要將圖片尺寸修改為自己圖片的大小,將類別與顏色對應圖修改為自己的類型。

代碼片段和文件信息
#時間:2018.12.10
#作用:調用pb文件批量生成deeplabv3預測圖
#輸入:圖像文件夾,pb模型文件
#輸出:文件預測圖
#存在問題:矩陣操作繁瑣
#軟件版本:win10python3.5tensorflow1.6
import?tensorflow?as?tf
from?tensorflow.python.platform?import?gfile
import?numpy?as?np
import?os
from?PIL?import?Image
from?keras.preprocessing.image?import?load_img?img_to_arrayarray_to_img
Image.MAX_IMAGE_PIXELS?=?400000000
imagedir?=?‘E:/1204/1211test/cut/‘
savepath?=?‘E:/1204/1211test/prediction/‘
imagelist?=?os.listdir(imagedir)
rgbim?=?np.zeros((5005003)?‘uint8‘)
R?=?rgbim[::0]
G?=?rgbim[::1]
B?=?rgbim[::2]
img?=?tf.placeholder(tf.uint8?[1500?500?3]?name=“img“)
with?open(“E:/models-master/research/deeplab/output/model.pb“?“rb“)?as?f:
graph_def?=?tf.GraphDef()
graph_def.ParseFromString(f.read())
output?=?tf.import_graph_def(graph_def?input_map={“ImageTensor:0“:?img}
return_elements=[“SemanticPredictions:0“])
sess?=?tf.Session()
for?i?in?range(0len(imagelist)):
path?=?os.path.join(imagedirimagelist[i])
filename?=?os.path.splitext(imagelist[i])[0]
filetype?=?os.path.splitext(imagelist[i])[1]
print(‘正在處理‘+filename)
image?=?Image.open(path)
image?=?np.asarray(image)
image?=?np.expand_dims(image?axis=0).astype(np.uint8)
result?=?sess.run(output?feed_dict?=?{img:image})
grayim?=?np.squeeze(result[0])
#將灰度圖像轉換為rgb圖像根據自己的類別數目修改相應的顏色
for?k?in?range(0500):
for?j?in?range(0500):
if?grayim[k][j]?==?1:
R[kj]?=?128
B[kj]?=?0
G[kj]?=?0
elif?grayim[k][j]?==?2:
R[kj]?=?0
B[kj]?=?128
G[kj]?=?0
elif?grayim[k][j]?==?3:
R[kj]?=?128
B[kj]?=?128
G[kj]?=?0
elif?grayim[k][j]?==?4:
R[kj]?=?0
B[kj]?=?0
G[kj]?=?128
elif?grayim[k][j]?==?0:
R[kj]?=?0
B[kj]?=?0
G[kj]?=?0
rgbim?=?Image.fromarray(np.uint8(rgbim))
savedir?=?os.path.join(savepathfilename?+?‘.png‘)
rgbim.save(savedir)
rgbim?=?np.zeros((5005003)?‘uint8‘)
R?=?rgbim[::0]
G?=?rgbim[::1]
B?=?rgbim[::2]
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????2199??2018-12-12?10:55??pre.py
?????文件?????????124??2018-12-12?10:58??使用說明.txt
評論
共有 條評論