-
Notifications
You must be signed in to change notification settings - Fork 5
/
Copy pathdataset_2d_semi.py
executable file
·238 lines (202 loc) · 16.6 KB
/
dataset_2d_semi.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
import os
import os.path as osp
import numpy as np
import random
import collections
import torch
import torchvision
import cv2
from torch.utils import data
import matplotlib.pyplot as plt
import nibabel as nib
from skimage.transform import resize
import SimpleITK as sitk
import math
from PIL import Image, ImageOps, ImageFilter
# from torchvision.transforms import Compose
from glob import glob
from pdb import set_trace
import albumentations as A
imagenet_mean = np.array([0.485, 0.456, 0.406])
imagenet_std = np.array([0.229, 0.224, 0.225])
sc_types = {0: ['000.png', '002.png', '005.png', '006.png', '008.png', '017.png', '021.png', '022.png', '023.png', '026.png', '039.png', '041.png', '049.png', '051.png', '052.png', '054.png', '061.png', '063.png', '065.png', '066.png', '069.png', '070.png', '071.png', '072.png', '074.png', '076.png', '078.png', '082.png', '083.png', '087.png', '095.png', '096.png', '097.png', '101.png', '104.png', '106.png', '107.png', '108.png', '109.png', '110.png', '116.png', '121.png', '122.png', '127.png', '128.png', '129.png', '130.png', '137.png', '140.png', '141.png', '143.png', '150.png', '151.png', '153.png', '154.png', '158.png', '160.png', '165.png', '167.png', '171.png', '179.png', '181.png', '182.png', '183.png', '189.png', '194.png', '199.png', '200.png', '204.png', '205.png', '212.png', '216.png', '217.png', '220.png', '221.png', '227.png', '231.png', '234.png', '235.png', '236.png', '238.png', '239.png', '241.png', '242.png', '246.png', '250.png', '253.png', '254.png', '259.png', '261.png', '267.png', '276.png', '278.png', '279.png', '280.png', '282.png', '283.png', '285.png', '296.png', '297.png', '298.png', '299.png', '300.png', '307.png', '308.png', '310.png', '312.png', '313.png', '314.png', '319.png', '326.png', '328.png', '332.png', '338.png', '340.png', '342.png', '345.png', '348.png', '355.png', '357.png'], 1: ['001.png', '004.png', '009.png', '010.png', '012.png', '013.png', '014.png', '018.png', '019.png', '025.png', '028.png', '029.png', '031.png', '032.png', '035.png', '038.png', '043.png', '045.png', '046.png', '047.png', '048.png', '050.png', '053.png', '055.png', '056.png', '057.png', '058.png', '060.png', '062.png', '064.png', '067.png', '068.png', '081.png', '084.png', '088.png', '092.png', '094.png', '103.png', '105.png', '111.png', '113.png', '115.png', '117.png', '123.png', '124.png', '126.png', '131.png', '133.png', '134.png', '136.png', '144.png', '145.png', '146.png', '148.png', '149.png', '152.png', '157.png', '159.png', '161.png', \
'162.png', '164.png', '173.png', '174.png', '180.png', '184.png', '185.png', '186.png', '188.png', '191.png', '195.png', '202.png', '206.png', '210.png', '213.png', '214.png', '223.png', '226.png', '229.png', '230.png', '233.png', '240.png', '244.png', '247.png', '248.png', '249.png', '260.png', '262.png', '263.png', '264.png', '265.png', '268.png', '269.png', '271.png', '272.png', '273.png', '275.png', '287.png', '289.png', '290.png', '293.png', '295.png', '302.png', '303.png', '316.png', '317.png', '318.png', '321.png', '322.png', '323.png', '327.png', '329.png', '330.png', '333.png', '335.png', '339.png', '346.png', '349.png', '350.png', '358.png', '359.png'], 2: ['003.png', '007.png', '011.png', '015.png', '016.png', '020.png', '024.png', '027.png', '030.png', '033.png', '034.png', '036.png', '037.png', '040.png', '042.png', '044.png', '059.png', '073.png', '075.png', '077.png', '079.png', '080.png', '085.png', '086.png', '089.png', '090.png', '091.png', '093.png', '098.png', '099.png', '100.png', '102.png', '112.png', '114.png', '118.png', '119.png', '120.png', '125.png', '132.png', '135.png', '138.png', '139.png', '142.png', '147.png', '155.png', '156.png', '163.png', '166.png', '168.png', '169.png', '170.png', '172.png', '175.png', '176.png', '177.png', '178.png', '187.png', '190.png', '192.png', '193.png', '196.png', '197.png', '198.png', '201.png', '203.png', '207.png', '208.png', '209.png', '211.png', '215.png', '218.png', '219.png', '222.png', '224.png', '225.png', '228.png', '232.png', '237.png', '243.png', '245.png', '251.png', '252.png', '255.png', '256.png', '257.png', '258.png', '266.png', '270.png', '274.png', '277.png', '281.png', '284.png', '286.png', '288.png', '291.png', '292.png', '294.png', '301.png', '304.png', '305.png', '306.png', '309.png', '311.png', '315.png', '320.png', '324.png', '325.png', '331.png', '334.png', '336.png', '337.png', '341.png', '343.png', '344.png', '347.png', '351.png', '352.png', '353.png', '354.png', '356.png']}
jb_types = {0: ['000.png', '001.png', '005.png', '009.png', '012.png', '013.png', '014.png', '017.png', '020.png', '023.png', '025.png', '035.png', '036.png', '037.png', '039.png', '042.png', '045.png', '046.png', '048.png', '051.png', '052.png', '053.png', '056.png', '058.png', '059.png', '068.png', '069.png', '070.png', '071.png', '080.png', '081.png', '087.png', '091.png', '096.png', '099.png', '100.png', '102.png', '106.png', '115.png', '116.png', '117.png', '118.png', '119.png', '121.png', '130.png', '131.png', '132.png', '137.png', '139.png', '146.png', '147.png', '148.png', '156.png', '159.png', '162.png', '163.png', '164.png', '166.png', '168.png', '172.png', '177.png', '180.png', '183.png', '184.png', '185.png', '188.png', '192.png', '193.png', '195.png', '206.png', '207.png', '211.png', '213.png', '215.png', '216.png', '217.png', '218.png', '221.png', '232.png', '234.png', '239.png', '240.png', '241.png', '247.png', '248.png', '249.png', '250.png', '253.png', '255.png', '257.png', '258.png', '263.png', '264.png', '266.png', '268.png', '269.png', '275.png', '278.png', '280.png', '290.png', '293.png', '295.png', '297.png', '300.png', '305.png', '308.png', '315.png', '321.png', '323.png', '324.png', '325.png', '333.png'], 1: ['002.png', '003.png', '006.png', '007.png', '011.png', '018.png', '019.png', '021.png', '022.png', '024.png', '028.png', '031.png', '032.png', '034.png', '047.png', '050.png', '060.png', '063.png', '064.png', '065.png', '066.png', '067.png', '072.png', '073.png', '075.png', '076.png', '078.png', '082.png', '083.png', '084.png', '088.png', '092.png', '093.png', '097.png', '101.png', '103.png', '105.png', '109.png', '110.png', '111.png', '112.png', '113.png', '125.png', '127.png', '135.png', '140.png', '141.png', '142.png', '143.png', '145.png', '150.png', '157.png', '158.png', '165.png', '169.png', \
'170.png', '171.png', '173.png', '174.png', '176.png', '178.png', '182.png', '187.png', '191.png', '198.png', '199.png', '200.png', '202.png', '208.png', '209.png', '210.png', '214.png', '219.png', '228.png', '230.png', '236.png', '237.png', '238.png', '243.png', '245.png', '256.png', '260.png', '261.png', '262.png', '265.png', '267.png', '271.png', '274.png', '276.png', '279.png', '281.png', '284.png', '286.png', '287.png', '289.png', '292.png', '294.png', '298.png', '306.png', '310.png', '312.png', '313.png', '316.png', '317.png', '318.png', '320.png', '322.png', '326.png', '327.png', '329.png', '330.png', '331.png'], 2: ['004.png', '008.png', '010.png', '015.png', '016.png', '026.png', '027.png', '029.png', '030.png', '033.png',
'038.png', '040.png', '041.png', '043.png', '044.png', '049.png', '054.png', '055.png', '057.png', '061.png', '062.png', '074.png', '077.png', '079.png', '085.png', '086.png', '089.png', '090.png', '094.png', '095.png', '098.png', '104.png', '107.png', '108.png', '114.png', '120.png', '122.png', '123.png', '124.png', '126.png', '128.png', '129.png', '133.png', '134.png', '136.png', '138.png', '144.png', '149.png', '151.png', '152.png', '153.png', '154.png', '155.png', '160.png', '161.png', '167.png', '175.png', '179.png', '181.png', '186.png', '189.png', '190.png', '194.png', '196.png', '197.png', '201.png', '203.png', '204.png', '205.png', '212.png', '220.png', '222.png', '223.png', '224.png', '225.png', '226.png', '227.png', '229.png', '231.png', '233.png', '235.png', '242.png', '244.png', '246.png', '251.png', '252.png', '254.png', '259.png', '270.png', '272.png', '273.png', '277.png', '282.png', '283.png', '285.png', '288.png', '291.png', '296.png', '299.png', '301.png', '302.png', '303.png', '304.png', '307.png', '309.png', '311.png', '314.png', '319.png', '328.png', '332.png', '334.png']}
class DataSet2D(data.Dataset):
def __init__(self,
root,
obj_name,
label=255,
ref_name="001",
n_shot=5,
n_zero=3,
size=(256, 256),
transform=None):
print("root:", root)
self.root = root
self.size = size
self.label = label
self.obj_name = obj_name
self.transform = transform
self.is_mirror = True
self.support = glob(
f"{root}/Images_fewshot_512/{obj_name}/*.png")[:n_shot] # [:3]
# self.support = glob(f"{root}/Images_fewshot_512/{obj_name}/*.png")
self.files = glob(f"{root}/Images_512/{obj_name}/*.png")
# if n_shot > 1 :
# random.seed(1234)
# all_files = glob(f"{root}/Images_fewshot_512/{obj_name}/*.png")
# self.files = random.sample(all_files,n_shot)
# print(self.files)
# # self.files = [f"{root}/Images/{obj_name}/{str(i).zfill(n_zero)}.png" for i in range(n_shot)]
print('{} unlabeled images are loaded!'.format(len(self.files)))
print('{} support images are loaded!'.format(len(self.support)))
self.aug = A.Compose([
A.ToGray(p=0.2),
A.Posterize(p=0.2),
A.Equalize(p=0.2),
A.Sharpen(p=0.2),
A.RandomBrightnessContrast(p=0.2),
A.Solarize(p=0.2),
A.ColorJitter(p=0.2)
])
def __len__(self):
return len(self.files)
def __getitem__(self, index):
fpath = random.choice(self.support)
lpath = fpath.replace("Images_fewshot_512", "Annotations_fewshot_512")
# lpath = fpath.replace("Images_fewshot_512","Annotations_fewshot_512")
un_fpath = self.files[index]
if self.obj_name == "juice_bottle":
s_idx = self.support.index(fpath)
new_fname = random.choice(jb_types[s_idx])
un_fpath = os.path.join(os.path.dirname(
os.path.abspath(un_fpath)), new_fname)
elif self.obj_name == "splicing_connectors":
s_idx = self.support.index(fpath)
new_fname = random.choice(sc_types[s_idx])
un_fpath = os.path.join(os.path.dirname(
os.path.abspath(un_fpath)), new_fname)
else:
pass
if self.obj_name in ["screw_bag", "breakfast_box"]:
random_angle = random.choice(list(range(360)))
else:
random_angle = random.choice(list(range(-20, 20)))
try:
im = Image.open(fpath)
except:
im = Image.open(fpath.replace(".png", ".jpg"))
# im = im.resize(self.size)
im = im.convert("RGB") # .filter(ImageFilter.BLUR)
im = im.rotate(random_angle)
image = np.array(im)
image = self.aug(image=image)['image']
image = np.array(image)/255
# coordinate vector
w, h, _ = image.shape
x = np.linspace(0, 1, w)
y = np.linspace(0, 1, h)
xx, yy = np.meshgrid(x, y)
coord = np.stack([xx, yy, np.zeros_like(yy)], axis=2)*255
coord_im = Image.fromarray(coord.astype(np.uint8))
coord = np.array(coord_im)[:, :, :2]/255
coord = np.swapaxes(coord, 1, 2)
coord = np.swapaxes(coord, 0, 1) # [2,w,h]
coord_orig = torch.tensor(coord).float()*1
coord_im = coord_im.rotate(random_angle)
coord = np.array(coord_im)[:, :, :2]/255
coord = np.swapaxes(coord, 1, 2)
coord = np.swapaxes(coord, 0, 1) # [2,w,h]
coord_rot = torch.tensor(coord).float()*1
image = image - imagenet_mean
image = image / imagenet_std
image = np.swapaxes(image, 1, 2)
image = np.swapaxes(image, 0, 1) # [3,w,h]
im_label = Image.open(lpath)
# im_label = im_label.resize(self.size, Image.NEAREST)
im_label = im_label.rotate(random_angle, Image.NEAREST)
# if self.transform is not None:
# im = self.tranform(im)
label = np.array(im_label)
# print(np.unique(label))
# if np.random.rand(1) <= 0.5: # flip W
# image = np.flip(image, axis=1).copy()
# label = np.flip(label, axis=0).copy()
# if np.random.rand(1) <= 0.5:
# image = np.flip(image, axis=2).copy()
# label = np.flip(label, axis=1).copy()
image = torch.tensor(image).float()
label = torch.tensor(label).long()
# read unlabeled images
un_im = Image.open(un_fpath)
# un_im = un_im.resize(self.size)
# random_angle = random.choice(list(range(360)))
# un_im = un_im.rotate(random_angle)
un_image = np.array(un_im)/255
un_image = un_image - imagenet_mean
un_image = un_image / imagenet_std
un_image = np.swapaxes(un_image, 1, 2)
un_image = np.swapaxes(un_image, 0, 1) # [3,w,h]
un_image = torch.tensor(un_image).float()
sample = {
"image": image,
"label": label,
"un_image": un_image,
"coord_rot": coord_rot,
"coord_orig": coord_orig,
"original_size": image.shape[1:],
}
return sample
class ValDataSet2D(data.Dataset):
def __init__(self,
root,
obj_name,
label=255,
ref_name="001",
n_shot=1,
n_zero=3,
size=(256, 256),
transform=None):
self.size = size
self.root = root
self.label = label
self.obj_name = obj_name
self.transform = transform
# self.files = [f"{root}/Images/{obj_name}/{str(e).zfill(n_zero)}.png" for e in range(1,6)]
self.files = glob(f"{root}/Images_512/{obj_name}/*.png")
self.files.sort()
print('{} images are loaded!'.format(len(self.files)))
def __len__(self):
return len(self.files)
def __getitem__(self, index):
fpath = self.files[index]
lpath = self.files[index].replace("Images", "Annotations")
# read nii file
try:
im = Image.open(fpath).convert("RGB") # .filter(ImageFilter.BLUR)
except:
im = Image.open(fpath.replace(".png", ".jpg")).convert("RGB")
# im = im.resize(self.size)
image = np.array(im)/255
# coordinate vector
w, h, _ = image.shape
x = np.linspace(0, 1, w)
y = np.linspace(0, 1, h)
xx, yy = np.meshgrid(x, y)
coord = np.stack([xx, yy, np.zeros_like(yy)], axis=2)*255
coord_im = Image.fromarray(coord.astype(np.uint8))
coord = np.array(coord_im)[:, :, :2]/255
coord = np.swapaxes(coord, 1, 2)
coord = np.swapaxes(coord, 0, 1) # [2,w,h]
coord_orig = torch.tensor(coord).float()*1
image = image - imagenet_mean
image = image / imagenet_std
image = np.swapaxes(image, 1, 2)
image = np.swapaxes(image, 0, 1) # [3,w,h]
image = torch.tensor(image).float()
return image, np.zeros_like(image), coord_orig
def my_collate(batch):
return batch