将点/点注释转换为高斯密度图答案

【问题标题】：Convert point/dot annotation in to gaussian density map将点/点注释转换为高斯密度图
【发布时间】：2021-09-23 10:09:04
【问题描述】：

我正在研究这篇论文：https://papers.nips.cc/paper/2010/file/fe73f687e5bc5280214e0486b273a5f9-Paper.pdf，我在以下功能上苦苦挣扎：

基本上在图像中，每个人都会被注释一个点，而不是边界框或分割。该论文提出了一种将点转换为高斯密度图的方法，该密度图充当基本事实。我已经尝试过 numpy.random.multivariate_normal 但它似乎不起作用。

【问题讨论】：

标签： python dictionary gaussian kernel-density

【解决方案1】：

我正在研究一个涉及密度图的研究问题。此代码假设您正在循环遍历文本文件列表，其中每个文本文件都有点注释（或者您正在从对象转换为点注释，就像我做的那样）。它还假设您有一个 annotations 列表，其中 (x,y) 中心 points 可以使用（在读取/处理所述文本文件之后）。

你可以在这里找到 good 的实现： https://github.com/CommissarMa/MCNN-pytorch/blob/master/data_preparation/k_nearest_gaussian_kernel.py

上面有一些用于自适应内核的额外代码。

上下文中的以下代码（带有更多“绒毛”）在这里： https://github.com/MattSkiff/cow_flow/blob/master/data_loader.py

这是我使用的代码：

# running gaussian filter over points as in crowdcount mcnn
         
density_map = np.zeros((img_size[1],img_size[0]), dtype=np.float32)
  
# add points onto basemap
for point in annotations:

    base_map = np.zeros((img_size[1], img_size[0]), dtype=np.float32)       
                        
    # subtract 1 to account for 0 indexing
    base_map[int(round(point[1]*img_size[1])-1),
             int(round(point[0]*img_size[0])-1)] += 1

    density_map += scipy.ndimage.filters.gaussian_filter(base_map, sigma = sigma, mode='constant')

这应该会创建一个密度图，可以满足您的需求。在 matplotlib 中的 ax 对象上使用“imshow”（例如ax.imshow(density,cmap='hot',interpolation='nearest'）应该会产生一个像这样的密度图（我已经添加了航空图像来指示被标记的内容）：

【讨论】：