-
Notifications
You must be signed in to change notification settings - Fork 0
/
coarse_gui_corretion_tool_improve_2.py
422 lines (383 loc) · 22.6 KB
/
coarse_gui_corretion_tool_improve_2.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
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
import cv2
import pandas as pd
import os
import matplotlib.pyplot as plt
import glob
"""
해당 program의 목적
1. 특정 폴더에 있는 csv file을 pandas로 읽어 드린 다음에
2. 각각의 row에 대하여 predicate를 불러 오고
3. opencv를 통해서 image를 합성하는 task를 진행한다.
이때, 합성된 image에는 전체 남은 image와 한 image에 대하여 남은 annotation의 수를 표시한다.
하단에는, top5의 annotation을 표시한다.
4. opencv를 통해서 key 입력을 받는다면
1, 2, 3, 4, 5, I, O, P를 읽어 들이고
1, 2, 3, 4, 5의 경우에는 바로 다음으로
I와 O의 경우에는 console에서 입력을 받고
P의 경우에는 semantic false로 수정하고 다음으로 넘어간다.
"""
def cv2_loader(csv_dir, image_dir, dest_dir):
os.makedirs(dest_dir, exist_ok=True)
csv_list = glob.glob(os.path.join(csv_dir, '*.csv'))
img_list = glob.glob(os.path.join(image_dir, '*.jpg'))
csv_list_in_size_raw = sorted([(each_csv, os.path.getsize(each_csv)) for each_csv in csv_list], key=lambda x: x[1])
csv_list_in_size = [each_csv[0] for each_csv in csv_list_in_size_raw]
# 해당 for 문을 통해서 전체 csv 접근
for csv_idx, each_csv in enumerate(csv_list_in_size):
each_df = pd.read_csv(each_csv)
# 해당 for 문을 통해서 각각의 csv 접근
"""
# todo
0. semantic row의 생성
1. 크기 관계를 통해서 relation 걸러내기, semantic false로 변경 -> 이건 대강 된듯
2. 같은 class인 경우 skip하기 -> 여기는 코드로 구현 해주기
3. class_sub가 사람이고, class_obj가 사람이 아닌 경우, transpose하기
4. confidence 기반으로 cut 하기 여기는 조금 실험적
"""
# 나의 프로그램에 맞추기 위한 수단
each_df['semantic'] = True
each_df['rel'] = ""
# dataframe의 column rename하기
# attribute도 바꾸고 최종적으로 dict바꾸기
column_map_dict = {
"sclass": "class_sub",
"sxmin": "xmin_sub",
"symin": "ymin_sub",
"sxmax": "xmax_sub",
"symax": "ymax_sub",
"sclass_tmp": "class_tmp_sub",
"sattribute_refine": "attribute_refine_sub",
"sclass_refined": "class_refined_sub",
"sclass_refined_tmp": "class_refined_tmp_sub",
"oclass": "class_obj",
"oxmin": "xmin_obj",
"oymin": "ymin_obj",
"oxmax": "xmax_obj",
"oymax": "ymax_obj",
"oclass_tmp": "class_tmp_obj",
"oattribute_refine": "attribute_refine_obj",
"oclass_refined": "class_refined_obj",
"oclass_refined_tmp": "class_refined_tmp_obj",
}
each_df = each_df.rename(
columns=column_map_dict
)
# transpose checker
for idx, row in each_df.iterrows():
# {object_1, object_2}와 {object_2, object_1}가 존재한다면, 크기가 큰것이 object가 되는 것이 맞다.
# 이때 유의해야 할 것이, iterator를 통해서 접근할 시에 특정 값이 변경되어도 접근이 안된다는 점이다.
# 먼저 datafarme단에서 처리를 해야 겠다.
duplicate_checker = each_df[(each_df['class_tmp_obj'] == row['class_tmp_sub']) & (
each_df['class_tmp_sub'] == row['class_tmp_obj'])]
if len(duplicate_checker) > 0:
size_of_sub_now = (row['xmax_sub'] - row['xmin_sub']) * (row['ymax_sub'] - row['ymin_sub'])
size_of_obj_now = (row['xmax_obj'] - row['xmin_obj']) * (row['ymax_obj'] - row['ymin_obj'])
# 지금 상황에서 sub가 obj보다 크다면 지금을 꺼준다.
if size_of_sub_now >= size_of_obj_now:
each_df.loc[idx, 'semantic'] = False
# 중복 열 check
each_df = each_df.drop_duplicates()
for idx, row in each_df.iterrows():
# 여기서 sky skip 하기
if each_df.loc[idx, 'semantic']:
# skip list 기반 skip
skip_list = {'sky', 'reflection', 'cloud'}
if row['class_sub'] in skip_list or row['class_obj'] in skip_list:
each_df.loc[idx, 'semantic'] = False
continue
# 중복 물체 기반 skip
human_list = ['baby', 'child', 'girl', 'boy', 'adult', 'person', 'woman', 'man', 'people']
if (not (row['class_sub'] in human_list or row['class_obj'] in human_list)) and (
row['class_sub'] == row['class_obj']):
each_df.loc[idx, 'semantic'] = False
continue
each_img = cv2.imread(os.path.join(image_dir, os.path.basename(each_csv).split('.')[0] + '.jpg'))
H_raw, W_raw, _ = each_img.shape
each_img = cv2.resize(each_img, (1600, 900))
raw_img_pre = each_img.copy()
H, W, _ = each_img.shape
H_factor, W_factor = H / H_raw, W / W_raw
# 이 지점을 통해서 predicate vector를 compose해주는 것이 좋을 것이다.
"""
1. 만일 water class가 있는 경우라면 standing in, walking in이 추가되면 좋을 것이다.
2. 만일 road class가 있는 경우라면 aganist가 추가 되면 좋을 것이다.
"""
predicates = row[['pred_1', 'pred_2', 'pred_3', 'pred_4', 'pred_5']].tolist()
water_list = ['water']
road_list = ['road', 'grass', 'field']
if row['class_sub'] in water_list or row['class_obj'] in water_list:
predicates.append('standing in')
predicates.append('walking in')
elif (row['class_sub'] in human_list and row['class_obj'] in road_list) or (row['class_sub'] in road_list and row['class_obj'] in human_list):
predicates.append('standing on')
predicates.append('walking on')
elif row['class_sub'] in road_list or row['class_obj'] in road_list:
predicates.append('against')
predicates.append('on')
else:
predicates.append('on')
predicates.append('in')
# 여기서 obj가 사람이고, sub보다 크다면 tranpose하는 것으로서 정의한다.
# dataframe은 변경 되었는데, row data는 변경이 되지 않았기 때문이다.
# 인간이 쥐고 있어야 하는데 왜 안되지?
# 여기는 기존에는 index 였는데, 어쩔 수 없이 변경한다. e.g.) index_sub -> class_refined_sub
if row['class_obj'] in human_list and row['class_sub'] not in human_list:
area_obj = (row['xmax_obj'] - row['xmin_obj']) * (row['ymax_obj'] - row['ymin_obj'])
area_sub = (row['xmax_sub'] - row['xmin_sub']) * (row['ymax_sub'] - row['ymin_sub'])
if area_obj > area_sub:
temp = row[['class_sub', 'class_tmp_sub', 'class_refined_sub', 'class_refined_tmp_sub',
'attribute_refine_sub', 'xmin_sub', 'ymin_sub', 'xmax_sub',
'ymax_sub']].tolist()
# original dataframe 변경 code
each_df.loc[idx, ['class_sub', 'class_tmp_sub', 'class_refined_sub', 'class_refined_tmp_sub',
'attribute_refine_sub', 'xmin_sub', 'ymin_sub', 'xmax_sub',
'ymax_sub']] = \
row[['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']].tolist()
each_df.loc[idx, ['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']] = temp
# row 변경 code
row[['class_sub', 'class_tmp_sub', 'class_refined_sub', 'class_refined_tmp_sub',
'attribute_refine_sub', 'xmin_sub', 'ymin_sub', 'xmax_sub',
'ymax_sub']] = \
row[['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']].tolist()
row[['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']] = temp
# subject는 빨강, object는 파랑으로 합성한다.
# 또한 subject와 object까지 작성하면 좋을듯 하다.
cv2.rectangle(each_img, (int(W_factor * row['xmin_sub']), int(H_factor * row['ymin_sub'])),
(int(W_factor * row['xmax_sub']), int(H_factor * row['ymax_sub'])), (0, 0, 255), 3)
cv2.putText(each_img,
text=f"{row['class_tmp_sub']}",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.25)),
fontScale=1,
color=(0, 0, 255),
thickness=2,
bottomLeftOrigin=False)
cv2.rectangle(each_img, (int(W_factor * row['xmin_obj']), int(H_factor * row['ymin_obj'])),
(int(W_factor * row['xmax_obj']), int(H_factor * row['ymax_obj'])), (255, 0, 0), 3)
cv2.putText(each_img,
text=f"{row['class_tmp_obj']}",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.75)),
fontScale=1,
color=(255, 0, 0),
thickness=2,
bottomLeftOrigin=False)
# predicates를 image의 하단에 합성한다.
cv2.putText(each_img,
text=f"predcaites: 1.{predicates[0]}, 2.{predicates[1]}, 3.{predicates[2]}, 4.{predicates[3]}, 5.{predicates[4]}, 6.{predicates[5]}, 7.{predicates[6]}",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.1)),
fontScale=1,
color=(0, 255, 0),
thickness=2,
bottomLeftOrigin=False)
# statistics는 상단에 검은색으로 한다.
cv2.putText(each_img,
text=f'image: {csv_idx}/{len(csv_list)}, annot: {idx}/{len(each_df)} ',
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.99)),
fontScale=2,
color=(255, 255, 255),
thickness=2,
bottomLeftOrigin=False)
# predicate 입력을 받는다.
string_mode = False
string = ""
raw_img = each_img.copy()
while True:
cv2.imshow('image', each_img)
key = cv2.waitKey(0)
# 강제 종료를 하기 위해서
if cv2.getWindowProperty('image', cv2.WND_PROP_VISIBLE) < 1:
print('force quit')
return 0
if string_mode:
# 윈도우여서 13이 enter
if key == 13:
string_mode = False
each_df.loc[idx, 'rel'] = string.strip()
print('string mode off')
string = ""
break
# 여기는 backspace
elif key == 8:
if len(string) > 0:
string = string[:-1]
else:
continue
print(string)
# 여기는 esc
elif key == 27:
string_mode = False
string = ""
print('string mode off')
cv2.destroyAllWindows()
each_img = raw_img.copy()
cv2.imshow('image', raw_img)
else:
string += chr(key)
print(string)
else:
if key == ord('1'):
print('1')
each_df.loc[idx, 'rel'] = predicates[0]
break
elif key == ord('2'):
each_df.loc[idx, 'rel'] = predicates[1]
print('2')
break
elif key == ord('3'):
each_df.loc[idx, 'rel'] = predicates[2]
print('3')
break
elif key == ord('4'):
each_df.loc[idx, 'rel'] = predicates[3]
print('4')
break
elif key == ord('5'):
each_df.loc[idx, 'rel'] = predicates[4]
print('5')
break
# 여기 약간 바꿔주기
elif key == ord('6'):
each_df.loc[idx, 'rel'] = predicates[5]
print('6')
break
elif key == ord('7'):
each_df.loc[idx, 'rel'] = predicates[6]
print('7')
break
elif key == ord('i'):
print('i')
string_mode = True
cv2.destroyAllWindows()
cv2.putText(each_img,
text=f"manual input mode",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.5)),
fontScale=1,
color=(255, 255, 255),
thickness=2,
bottomLeftOrigin=False)
cv2.imshow('image', each_img)
elif key == ord('o'):
# 중요 row transpose operations
temp = row[['class_sub', 'class_tmp_sub', 'class_refined_sub', 'class_refined_tmp_sub',
'attribute_refine_sub', 'xmin_sub', 'ymin_sub', 'xmax_sub',
'ymax_sub']].tolist()
# original dataframe 변경 code
each_df.loc[
idx, ['class_sub', 'class_tmp_sub', 'class_refined_sub', 'class_refined_tmp_sub',
'attribute_refine_sub', 'xmin_sub', 'ymin_sub', 'xmax_sub',
'ymax_sub']] = \
row[['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']].tolist()
each_df.loc[
idx, ['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']] = temp
# row 변경 code
row[['class_sub', 'class_tmp_sub', 'class_refined_sub', 'class_refined_tmp_sub',
'attribute_refine_sub', 'xmin_sub', 'ymin_sub', 'xmax_sub',
'ymax_sub']] = \
row[['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']].tolist()
row[['class_obj', 'class_tmp_obj', 'class_refined_obj', 'class_refined_tmp_obj',
'attribute_refine_obj', 'xmin_obj', 'ymin_obj', 'xmax_obj',
'ymax_obj']] = temp
print('o')
# string_mode = True # string mode를 없애고, 단순히 transpose만 한다.
# transposed 기준으로 새롭게 image 작성 필요
# 다음 부터는 class로서 함수를 작성한다.
# 새롭게 정의된 sub, obj 기준으로 다시 작성
cv2.destroyAllWindows()
each_img = raw_img_pre.copy()
cv2.rectangle(each_img, (int(W_factor * row['xmin_sub']), int(H_factor * row['ymin_sub'])),
(int(W_factor * row['xmax_sub']), int(H_factor * row['ymax_sub'])),
(0, 0, 255), 3)
cv2.putText(each_img,
text=f"{row['class_tmp_sub']}",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.25)),
fontScale=1,
color=(0, 0, 255),
thickness=2,
bottomLeftOrigin=False)
cv2.rectangle(each_img, (int(W_factor * row['xmin_obj']), int(H_factor * row['ymin_obj'])),
(int(W_factor * row['xmax_obj']), int(H_factor * row['ymax_obj'])),
(255, 0, 0), 3)
cv2.putText(each_img,
text=f"{row['class_tmp_obj']}",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.75)),
fontScale=1,
color=(255, 0, 0),
thickness=2,
bottomLeftOrigin=False)
# predicates를 image의 하단에 합성한다.
# todo 다시쓰기
# predicate는 초록으로 한다.
cv2.putText(each_img,
text=f"predcaites: 1.{predicates[0]}, 2.{predicates[1]}, 3.{predicates[2]}, 4.{predicates[3]}, 5.{predicates[4]}, 6.{predicates[5]}, 7.{predicates[6]}",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.1)),
fontScale=1,
color=(0, 255, 0),
thickness=2,
bottomLeftOrigin=False)
# statistics는 상단에 검은색으로 한다.
cv2.putText(each_img,
text=f'image: {csv_idx}/{len(csv_list)}, annot: {idx}/{len(each_df)} ',
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.99)),
fontScale=2,
color=(255, 255, 255),
thickness=2,
bottomLeftOrigin=False)
cv2.putText(each_img,
text=f"transposed input mode",
fontFace=cv2.FONT_HERSHEY_SIMPLEX,
org=(int(W * 0.01), int(H * 0.5)),
fontScale=1,
color=(255, 255, 255),
thickness=2,
bottomLeftOrigin=False)
cv2.imshow('image', each_img)
elif key == ord('p'):
each_df.loc[idx, 'semantic'] = False
each_df.loc[idx, 'rel'] = ''
print('p')
break
else:
print('please write appropriate key')
cv2.destroyAllWindows()
else:
continue
# 여기서 기존의 cloumn 명 수정 필요
swapped_dict = {value: key for key, value in column_map_dict.items()}
swapped_dict['rel'] = 'rel_refined'
each_df = each_df.rename(columns=swapped_dict)
each_df = each_df.drop('semantic', axis=1)
# 중복열 버리기
each_df = each_df.drop_duplicates()
each_df.to_csv(os.path.join(dest_dir, os.path.basename(each_csv)), index=False)
if __name__ == '__main__':
"""
csv_dir = r'E:\nip_label\task\230423\230423_B_MEDIC_1000_200_CSV'
image_dir = r'E:\nip_label\task\230423\230423_B_MEDIC_1000_200_Imag'
dest_dir = r'E:\nip_label\task\230423\230423_B_MEDIC_1000_200_CSV_output'
"""
csv_dir = r'C:\soft_links\nip_label\230423\230423_B_MEDIC_1000_200_CSV'
image_dir = r'C:\soft_links\nip_label\230423\230423_B_MEDIC_1000_200_Imag'
dest_dir = r'C:\soft_links\nip_label\230423\230423_B_MEDIC_1000_200_CSV_output'
cv2_loader(csv_dir, image_dir, dest_dir)