# Segmentação semântica

Conjuntos de dados de segmentação semântica são usados para treinar um modelo a classificar cada pixel em uma imagem. Existem uma grande variedade de aplicações habilitadas por esses conjuntos de dados, como a remoção de fundo de imagens, a estilização de imagens ou a compreensão de cenas para direção autônoma. Este guia mostrará como aplicar transformações a um conjunto de dados de segmentação de imagem.

Antes de começar, verifique se você tem as versões mais recentes de `albumentations` e `cv2` instaladas:

```bash
pip install -U albumentations opencv-python
```

[Albumentations](https://albumentations.ai/) é uma biblioteca em Python para realizar aumento de dados para visão computacional. Ela suporta diversas tarefas de visão computacional, como classificação de imagens, detecção de objetos, segmentação e estimativa de pontos-chave.

Este guia usa o conjunto de dados [Scene Parsing](https://huggingface.co/datasets/scene_parse_150) para segmentar e analisar uma imagem em diferentes regiões associadas a categorias semânticas, como céu, estrada, pessoa e cama.

Carregue o split `train` do conjunto de dados e veja um exemplo:

```py
>>> from datasets import load_dataset

>>> dataset = load_dataset("scene_parse_150", split="train")
>>> index = 10
>>> dataset[index]
{'image': <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=683x512 at 0x7FB37B0EC810>,
 'annotation': <PIL.PngImagePlugin.PngImageFile image mode=L size=683x512 at 0x7FB37B0EC9D0>,
 'scene_category': 927}
```

O conjunto de dados possui três campos:

* `image`: um objeto de imagem PIL.
* `annotation`: máscara de segmentação da imagem.
* `scene_category`: o rótulo ou categoria da cena da imagem (como “cozinha” ou “escritório”).

A seguir, verifique uma imagem com:

```py
>>> dataset[index]["image"]
```

    

Da mesma forma, você pode verificar a máscara de segmentação respectiva:

```py
>>> dataset[index]["annotation"]
```

    

Também podemos adicionar uma [paleta de cores](https://github.com/tensorflow/models/blob/3f1ca33afe3c1631b733ea7e40c294273b9e406d/research/deeplab/utils/get_dataset_colormap.py#L51) na máscara de segmentação e sobrepor à imagem original para visualizar o conjunto de dados:

Depois de definir a paleta de cores, você deve estar pronto para visualizar alguns overlays.

```py
>>> import matplotlib.pyplot as plt

>>> def visualize_seg_mask(image: np.ndarray, mask: np.ndarray):
...    color_seg = np.zeros((mask.shape[0], mask.shape[1], 3), dtype=np.uint8)
...    palette = np.array(create_ade20k_label_colormap())
...    for label, color in enumerate(palette):
...        color_seg[mask == label, :] = color
...    color_seg = color_seg[..., ::-1]  # convert to BGR

...    img = np.array(image) * 0.5 + color_seg * 0.5  # plot the image with the segmentation map
...    img = img.astype(np.uint8)

...    plt.figure(figsize=(15, 10))
...    plt.imshow(img)
...    plt.axis("off")
...    plt.show()

>>> visualize_seg_mask(
...     np.array(dataset[index]["image"]),
...     np.array(dataset[index]["annotation"])
... )
```

    

Agora aplique algumas aumentações com `albumentations`. Primeiro, redimensione a imagem e ajuste seu brilho.

```py
>>> import albumentations

>>> transform = albumentations.Compose(
...     [
...         albumentations.Resize(256, 256),
...         albumentations.RandomBrightnessContrast(brightness_limit=0.3, contrast_limit=0.3, p=0.5),
...     ]
... )
```

Crie uma função para aplicar a transformação às imagens:

```py
>>> def transforms(examples):
...     transformed_images, transformed_masks = [], []
...
...     for image, seg_mask in zip(examples["image"], examples["annotation"]):
...         image, seg_mask = np.array(image), np.array(seg_mask)
...         transformed = transform(image=image, mask=seg_mask)
...         transformed_images.append(transformed["image"])
...         transformed_masks.append(transformed["mask"])
...
...     examples["pixel_values"] = transformed_images
...     examples["label"] = transformed_masks
...     return examples
```

Use a função [set_transform()](/docs/datasets/v5.2.0/pt/package_reference/main_classes#datasets.Dataset.set_transform) para aplicar a transformação em tempo real aos lotes do conjunto de dados, consumindo menos espaço em disco:

```py
>>> dataset.set_transform(transforms)
```

Você pode verificar se a transformação funcionou indexando o `pixel_values` e o `label` de um exemplo:

```py
>>> image = np.array(dataset[index]["pixel_values"])
>>> mask = np.array(dataset[index]["label"])

>>> visualize_seg_mask(image, mask)
```

    

Neste guia, você usou `albumentations` para aumentar o conjunto de dados. Também é possível usar `torchvision` para aplicar algumas transformações semelhantes.

```py 
>>> from torchvision.transforms import Resize, ColorJitter, Compose

>>> transformation_chain = Compose([
...     Resize((256, 256)),
...     ColorJitter(brightness=0.25, contrast=0.25, saturation=0.25, hue=0.1)
... ])
>>> resize = Resize((256, 256))

>>> def train_transforms(example_batch):
...     example_batch["pixel_values"] = [transformation_chain(x) for x in example_batch["image"]]
...     example_batch["label"] = [resize(x) for x in example_batch["annotation"]]
...     return example_batch

>>> dataset.set_transform(train_transforms)

>>> image = np.array(dataset[index]["pixel_values"])
>>> mask = np.array(dataset[index]["label"])

>>> visualize_seg_mask(image, mask)
```

    

> [!TIP]
> Agora que você sabe como processar um dataset para segmentação semântica, aprenda [como treinar um modelo de segmentação semântica](https://huggingface.co/docs/transformers/tasks/semantic_segmentation) e usá-lo para inferência.

