Tensorflow 2：对掩码应用一个热编码以进行语义分割

Question

我正在尝试处理我的地面真相图像，以创建一个热编码张量：

def one_hot(img, nclasses):
  result = np.zeros((img.shape[0], img.shape[1], nclasses))
  img_unique = img.reshape(512*512, img.shape[2])
  unique = np.unique(img_unique, axis=0)
  for i in range(img.shape[0]):
    for j in range(img.shape[1]):
      for k, unique_val in enumerate(unique):
        if (np.array_equal(img[i,j], unique_val)):
          result[i,j,k] = 1
          break

  return result

这是从WxHx3图像创建WxHxN张量。我真的不喜欢这种方法，因为它的性能。你能建议更有效的方法吗

我尝试使用tf.one_hot，但它将图像转换为WxHx3xN张量

Answer 1

对于已知3个类的特定场景，这应该可以更快地工作

def one_hot2(img):
    class1 = [255,0,0]
    class2 = [0,0,255]
    class3 = [255,255,255]  
    label = np.zeros_like(img)
    label[np.sum(img==np.array([[class2]]), 2)==3] = 1
    label[np.sum(img==np.array([[class3]]), 2)==3] = 2
    onehot = np.eye(3)[label]
    return onehot