如何将类别矩阵可视化为RGB图像？
如何将类别矩阵可视化为RGB图像？
提问于 2018-07-24 18:07:38
我正在使用神经网络进行语义分割(人类解析)，类似于将人的照片作为输入，神经网络告诉我们每个像素最有可能是头部、腿部、背景或人体的其他部分。算法运行流畅，并给出一个numpy.ndarray作为输出。数组的形状是(1,23,600,400)，其中600x400是输入图像的分辨率，23是类别的数量。3d矩阵看起来像23层堆叠的2d矩阵，其中每一层都使用浮点矩阵来告知每个像素属于该类别的可能性。
为了使矩阵可视化，如下图所示，我使用numpy.argmax将3d矩阵压缩成一个2d矩阵，该矩阵包含最可能的类别的索引。但我不知道如何继续获得我想要的可视化效果。
编辑
实际上，我可以用一种微不足道的方式来做这件事。也就是说，使用for循环遍历每个像素并为其分配颜色以获得图像。但是，这不是向量化编码，因为numpy内置了加速矩阵操作的方法。我需要为实时分割节省CPU周期。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-25 13:31:45
这相当简单。您所需要的只是一个将23个标签映射成独特颜色的lookup table。最简单的方法是使用23 x 3的numpy数组，每行存储相应标签的RGB值：
import numpy as np
import matplotlib.pyplot as plt
lut = np.random.rand(23, 3) # using random mapping - but you can do better
lb = np.argmax(prediction, axis=1) # converting probabilities to discrete labels
rgb = lut[lb[0, ...], :] # this is all it takes to do the mapping.
plt.imshow(rgb)
plt.show()或者，如果您只对用于显示的色彩映射表感兴趣，则可以使用plt.imshow的cmap参数，但这将要求您将lut转换为“色彩映射表”：
from matplotlib.colors import LinearSegmentedColormap
cmap = LinearSegmentedColormap.from_list('new_map', lut, N=23)
plt.imshow(lb[0, ...], cmap=cmap)
plt.show()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51495927
复制相关文章
相似问题
腾讯云开发者
