近年來，人們越來越認識到深入理解機器學習數(shù)據(jù)（ML-data）的必要性。不過，鑒于檢測大型數(shù)據(jù)集往往需要耗費大量人力物力，它在計算機視覺（computer vision）領(lǐng)域的廣泛應用，尚有待進一步開發(fā)。

通常，在物體檢測（Object Detection，屬于計算機視覺的一個子集）中，通過定義邊界框，來定位圖像中的物體，不僅可以識別物體，還能夠了解物體的上下文、大小、以及與場景中其他元素的關(guān)系。同時，針對類的分布、物體大小的多樣性、以及類出現(xiàn)的常見環(huán)境進行全面了解，也有助于在評估和調(diào)試中發(fā)現(xiàn)訓練模型中的錯誤模式，從而更有針對性地選擇額外的訓練數(shù)據(jù)。

在實踐中，我往往會采取如下方法：

• 利用預訓練的模型或基礎模型的增強功能，為數(shù)據(jù)添加結(jié)構(gòu)。例如：創(chuàng)建各種圖像嵌入，并采用 t-SNE 或 UMAP 等降維技術(shù)。這些都可以生成相似性的地圖，從而方便數(shù)據(jù)的瀏覽。此外，使用預先訓練的模型進行檢測，也可以方便提取上下文。
• 使用能夠?qū)⒋祟惤Y(jié)構(gòu)與原始數(shù)據(jù)的統(tǒng)計和審查功能整合在一起的可視化工具。

下面，我將介紹如何使用Renumics Spotlight，來創(chuàng)建交互式的對象檢測可視化。作為示例，我將試著：

• 為圖像中的人物探測器建立可視化。
• 可視化包括相似性地圖、篩選器和統(tǒng)計數(shù)據(jù)，以便瀏覽數(shù)據(jù)。
• 通過地面實況（Ground Truth）和 Ultralytics YOLOv8 的檢測詳細，查看每一張圖像。

在Renumics Spotlight上的目標可視化。資料來源：作者創(chuàng)建

下載COCO數(shù)據(jù)集中的人物圖像

首先，通過如下命令安裝所需的軟件包：

!pip install fiftyone ultralytics renumics-spotlight

利用FiftyOne的可恢復性下載功能，您可以從COCO 數(shù)據(jù)集處下載各種圖像。通過簡單的參數(shù)設置，我們即可下載包含一到多個人物的 1,000 幅圖像。具體代碼如下：

importpandasaspd
importnumpyasnp
importfiftyone.zooasfoz
# 從 COCO 數(shù)據(jù)集中下載 1000 張帶人的圖像
dataset = foz.load_zoo_dataset(
   "coco-2017"、
    split="validation"、
    label_types=[
       "detections"、
    ],
    classes=["person"]、
   max_samples=1000、
    dataset_name="coco-2017-person-1k-validations"、
)

接著，您可以使用如下代碼：

def xywh_too_xyxyn(bbox)：
   "" convert from xywh to xyxyn format """
   return[bbox[0], bbox[1], bbox[0] + bbox[2], bbox[1] + bbox[3]].
行 = []
fori, samplein enumerate(dataset)：
    labels = [detection.labelfordetectioninsample.ground_truth.detections] bboxs = [...
    bboxs = [
        xywh_too_xyxyn(detection.bounding_box)
       fordetectioninsample.ground_truth.detections
    ]
    bboxs_persons = [bboxforbbox, labelin zip(bboxs, labels)iflabel =="person"] 行。
    row.append([sample.filepath, labels, bboxs, bboxs_persons])

df = pd.DataFrame(row, columns=["filepath","categories", "bboxs", "bboxs_persons"])
df["major_category"] = df["categories"].apply(
   lambdax:max(set(x) -set(["person"]), key=x.count)
   if len(set(x)) >1
   else "only person"。
)

將數(shù)據(jù)準備為 Pandas DataFrame，其中的列包括有：文件路徑、邊框盒（bounding boxe）類別、邊框盒、邊框盒包含的人物、以及主要類別（盡管有人物），以指定圖像中人物的上下文：

然后，您可以通過 Spotlight 將其可視化：

From renumics import spotlight
spotlight.show(df)

您可以使用檢查器視圖中的添加視圖按鈕，并在邊框視圖中選擇bboxs_persons和filepath，以顯示帶有圖像的相應邊框：

嵌入豐富的數(shù)據(jù)

要使得數(shù)據(jù)具有結(jié)構(gòu)性，我們可以采用各種基礎模型的圖像嵌入（即：密集向量表示）。為此，您可以使用 UMAP 或 t-SNE 等進一步降維技術(shù)，將整個圖像的Vision Transformer（ViT）嵌入應用到數(shù)據(jù)集的結(jié)構(gòu)化，從而提供圖像的二維相似性圖。此外，您還可以使用預訓練對象檢測器的輸出結(jié)果，按照包含對象的大小或數(shù)量，對數(shù)據(jù)進行分類，進而構(gòu)建數(shù)據(jù)。由于 COCO 數(shù)據(jù)集已經(jīng)提供了此方面的信息，因此我們完全可以直接使用它。

由于Spotlight 集成了對google/vit-base-patch16-224-in21k（ViT）模型和UMAP 的支持，因此當您使用文件路徑創(chuàng)建各種嵌入時，它將會被自動應用：

spotlight.show(df, embed=["filepath"])

通過上述代碼，Spotlight 將各種嵌入進行計算，并應用 UMAP 在相似性地圖中顯示結(jié)果。其中，不同的顏色代表了主要的類別。據(jù)此，您可以使用相似性地圖來瀏覽數(shù)據(jù)：

預訓練YOLOv8的結(jié)果

可用于快速識別物體的Ultralytics YOLOv8，是一套先進的物體檢測模型。它專為快速圖像處理而設計，適用于各種實時檢測任務，特別是在被應用于大量數(shù)據(jù)時，用戶無需浪費太多的等待時間。

為此，您可以首先加載預訓練模型：

From ultralytics import YOLO
detection_model = YOLO("yolov8n.pt")

并執(zhí)行各種檢測：

detections = []
forfilepathindf["filepath"].tolist()：
    detection = detection_model(filepath)[0]
    detections.append(
        {
           "yolo_bboxs"：[np.array(box.xyxyn.tolist())[0]forboxindetection.boxes]、
           "yolo_conf_persons": np.mean([
                np.array(box.conf.tolist())[0].
               forboxindetection.boxes
               ifdetection.names[int(box.cls)] =="person"]), np.mean(
            ]),
           "yolo_bboxs_persons"：[
                np.array(box.xyxyn.tolist())[0]
               forboxindetection.boxes
               ifdetection.names[int(box.cls)] =="person
            ],
            "yolo_categories": np.array(
                [np.array(detection.names[int(box.cls)])forboxindetection.boxes], "yolo_categories": np.array(
            ),
        }
    )
df_yolo = pd.DataFrame(detections)

在12gb的GeForce RTX 4070 Ti上，上述過程在不到20秒的時間內(nèi)便可完成。接著，您可以將結(jié)果包含在DataFrame中，并使用Spotlight將其可視化。請參考如下代碼：

df_merged = pd.concat([df, df_yolo], axis=1)
spotlight.show(df_merged, embed=["filepath"])

下一步，Spotlight將再次計算各種嵌入，并應用UMAP到相似度圖中顯示結(jié)果。不過這一次，您可以為檢測到的對象選擇模型的置信度，并使用相似度圖在置信度較低的集群中導航檢索。畢竟，鑒于這些圖像的模型是不確定的，因此它們通常有一定的相似度。

當然，上述簡短的分析也表明了，此類模型在如下場景中會遇到系統(tǒng)性的問題：

• 由于列車體積龐大，站在車廂外的人顯得非常渺小
• 對于巴士和其他大型車輛而言，車內(nèi)的人員幾乎看不到
• 有人站在飛機的外面
• 食物的特寫圖片上有人的手或手指

您可以判斷這些問題是否真的會影響您的人員檢測目標，如果是的話，則應考慮使用額外的訓練數(shù)據(jù)，來增強數(shù)據(jù)集，以優(yōu)化模型在這些特定場景中的性能。

小結(jié)

綜上所述，預訓練模型和 Spotlight 等工具的使用，可以讓我們的對象檢測可視化過程變得更加容易，進而增強數(shù)據(jù)科學的工作流程。您可以使用自己的數(shù)據(jù)去嘗試和體驗上述代碼。

譯者介紹

陳峻（Julian Chen），51CTO社區(qū)編輯，具有十多年的IT項目實施經(jīng)驗，善于對內(nèi)外部資源與風險實施管控，專注傳播網(wǎng)絡與信息安全知識與經(jīng)驗。

原文標題：How to Explore and Visualize ML-Data for Object Detection in Images，作者：Markus Stoll

鏈接：https://itnext.io/how-to-explore-and-visualize-ml-data-for-object-detection-in-images-88e074f46361。