Question

我正在用mark-R-Cnn进行实例分割，结果是一个布尔2d数组。我正在处理大图像（2448、3264），每个图像有很多对象。保存结果（或仅将其保存在内存中）非常庞大，例如30Gb！我不知道为什么2d numpy布尔数组占用这么多空间（掩码也是2448x3264）。因此，我将其存储为一个字节，从而将总内存占用量减少到只有几个Mb。我面临的问题是我需要将其转换回一个numpy数组，以便能够检测具有X，Y坐标的点是否在对象的蒙版内部（我在不同的功能中经常执行此操作），并且需要执行此操作 np.asarray（im_arr）非常慢，在1000次迭代中耗时6秒。我也尝试使用openCV进行转换，例如： mask = cv2.imdecode（n，cv2.IMREAD_UNCHANGED）[:,：,, 3] .astype（bool），但这慢了4倍。比我的方法 array_to_jpg_image ...

关于如何以更有效的方式实现此目标的任何想法吗？

这是2d布尔掩码的示例：https://pastebin.pl/view/92a7d1db

谢谢！

from PIL import Image
import numpy as np
import io
    
def mask_image_to_array(mask):
        img_pil = Image.fromarray(np.array(mask, dtype=np.uint8))
        img_pil.putpalette([0,0,0,255,255,255])
        bytes_io = io.BytesIO()
        img_pil.save(bytes_io, format='PNG', transparency=0, optimize=0)
        bytes = bytes_io.getvalue()
        return bytes
def array_to_jpg_image(bytes):
    im_arr = Image.open(io.BytesIO(bytes))
    return np.asarray(im_arr)


print(justBlademask[0][0]['masks'][:,:,0].shape)
#(2448, 3264)
#justBlademask is a boolean mask , from instance segmentation

test = mask_image_to_array(justBlademask[0][0]['masks'][:,:,0])

start_time = time.time()

for i in range(1000):
    test3 = array_to_jpg_image(test)

print('Total time elapsed: %.2f seconds' % (time.time() - start_time))
#Total time elapsed: 6.49 seconds

将枕头字节图像转换为numpy数组非常慢

0 个答案: