我有一张很大的卫星图像,想要在上面运行一个目标检测模型推理。目前,我对大图像进行切片,保存瓦片,然后读取它们,以便让我的模型输出检测结果(方框和蒙版)。我知道这是一种低效的方式,因为一旦读取了图像切片/平铺,就不再需要它了,但我目前正在将其保存到磁盘上。
有没有更有效的方法来完成这个过程?也许是通过多进程或射线库?
发布于 2019-03-12 04:21:13
正如您所提到的,由于共享内存的使用以及在一台或多台机器上运行相同代码的能力,Ray将是一个很好的选择。
类似下面这样的结构可能会起作用。
import numpy as np
import ray
ray.init()
@ray.remote
def do_object_detection(image, index):
image_slice = image[index]
# Do object detection.
return 1
# Store the object in shared memory.
image = np.ones((1000, 1000))
image_id = ray.put(image)
# Process the slices in parallel. You probably want to use 2D slices instead
# of 1D slices.
result_ids = [do_object_detection.remote(image_id, i) for i in range(1000)]
results = ray.get(result_ids)
请注意,执行do_object_detection
任务的工作进程不会创建自己的映像副本。取而代之的是,他们将能够访问共享内存中的映像副本。
如果您已经将图像放在单独的文件中,另一种方法是执行类似下面的操作。
import numpy as np
import ray
ray.init()
@ray.remote
def do_object_detection(filename):
# Load the file and process it.
return 1
filenames = ['file1.png', 'file2.png', 'file3.png']
# Process all of the images.
result_ids = [do_object_detection.remote(filename) for filename in filenames]
results = ray.get(result_ids)
https://stackoverflow.com/questions/55096530
复制相似问题