# Estimativa de profundidade

Conjuntos de dados de estimativa de profundidade são usados para treinar um modelo a aproximar a distância relativa de cada pixel em uma imagem em relação à câmera, também conhecida como profundidade. As aplicações habilitadas por esses conjuntos de dados estão principalmente em áreas como percepção visual de máquinas e percepção em robótica. Exemplos de aplicações incluem o mapeamento de ruas para carros autônomos. Este guia mostrará como aplicar transformações a um conjunto de dados de estimativa de profundidade.

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

```bash
pip install -U albumentations 
```

[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 utiliza o conjunto de dados [NYU Depth V2](https://huggingface.co/datasets/sayakpaul/nyu_depth_v2), que é composto por sequências de vídeo de diversas cenas internas, gravadas por câmeras RGB e de profundidade. O conjunto de dados consiste em cenas de 3 cidades e fornece imagens juntamente com seus mapas de profundidade como rótulos.

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

```py
>>> from datasets import load_dataset

>>> train_dataset = load_dataset("sayakpaul/nyu_depth_v2", split="train")
>>> index = 17
>>> example = train_dataset[index]
>>> example
{'image': <PIL.PngImagePlugin.PngImageFile image mode=RGB size=640x480>,
 'depth_map': <PIL.TiffImagePlugin.TiffImageFile image mode=F size=640x480>}
```

O conjunto de dados possui dois campos:

* `image`: um objeto de imagem PNG da PIL com tipo de dados `uint8`.
* `depth_map`: um objeto de imagem PIL Tiff com tipo de dados `float32`, que é o mapa de profundidade da imagem.

Aqui, os mapas de profundidade utilizam o formato TIFF, pois ele suporta uma ampla variedade de tipos de dados, incluindo dados `float32`. No entanto, vale mencionar que o formato JPEG/PNG só pode armazenar dados `uint8` ou `uint16`. Portanto, se você tiver mapas de profundidade salvos como JPEG/PNG, use o tipo `Image(mode="F")` para carregá-los como `float32` de canal único, como os mapas de profundidade normais:

```python
>>> from datasets import Image

>>> train_dataset = train_dataset.cast_column("depth_map", Image(mode="F"))
```

A seguir, verifique uma imagem com:

```py
>>> example["image"]
```

    

Antes de analisarmos o mapa de profundidade, precisamos primeiro converter seu tipo de dados para `uint8` usando `.convert('RGB')`, pois o PIL não consegue exibir imagens `float32`. Agora, observe o mapa de profundidade correspondente:

```py
>>> example["depth_map"].convert("RGB")
```

    

Tudo está preto! Você precisará adicionar alguma cor ao mapa de profundidade para visualizá-lo corretamente. Para isso, podemos aplicar a colorização automaticamente durante a exibição usando `plt.imshow()` ou criar um mapa de profundidade colorido usando `plt.cm` e, em seguida, exibi-lo. Neste exemplo, usamos a segunda opção, pois podemos salvar/escrever o mapa de profundidade colorido posteriormente. (a utilidade abaixo foi retirada do [repositório FastDepth](https://github.com/dwofk/fast-depth/blob/master/utils.py)).

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

>>> cmap = plt.cm.viridis

>>> def colored_depthmap(depth, d_min=None, d_max=None):
...     if d_min is None:
...         d_min = np.min(depth)
...     if d_max is None:
...         d_max = np.max(depth)
...     depth_relative = (depth - d_min) / (d_max - d_min)
...     return 255 * cmap(depth_relative)[:,:,:3]

>>> def show_depthmap(depth_map):
...    if not isinstance(depth_map, np.ndarray):
...        depth_map = np.array(depth_map)
...    if depth_map.ndim == 3:
...        depth_map = depth_map.squeeze()

...    d_min = np.min(depth_map)
...    d_max = np.max(depth_map)
...    depth_map = colored_depthmap(depth_map, d_min, d_max)

...    plt.imshow(depth_map.astype("uint8"))
...    plt.axis("off")
...    plt.show()

>>> show_depthmap(example["depth_map"])
```

    

Você também pode visualizar várias imagens diferentes e seus mapas de profundidade correspondentes.

```py
>>> def merge_into_row(input_image, depth_target):
...     if not isinstance(input_image, np.ndarray):
...         input_image = np.array(input_image)
...
...     d_min = np.min(depth_target)
...     d_max = np.max(depth_target)
...     depth_target_col = colored_depthmap(depth_target, d_min, d_max)
...     img_merge = np.hstack([input_image, depth_target_col])
...
...     return img_merge

>>> random_indices = np.random.choice(len(train_dataset), 9).tolist()
>>> plt.figure(figsize=(15, 6))
>>> for i, idx in enumerate(random_indices):
...     example = train_dataset[idx]
...     ax = plt.subplot(3, 3, i + 1)
...     image_viz = merge_into_row(
...         example["image"], example["depth_map"]
...     )
...     plt.imshow(image_viz.astype("uint8"))
...     plt.axis("off")
```

    

Agora aplique algumas aumentações com `albumentations`. As transformações de aumento incluem:

* Inversão horizontal aleatória
* Recorte aleatório
* Brilho e contraste aleatórios
* Correção gama aleatória
* Saturação de matiz aleatória

```py 
>>> import albumentations as A

>>> crop_size = (448, 576)
>>> transforms = [
...     A.HorizontalFlip(p=0.5),
...     A.RandomCrop(crop_size[0], crop_size[1]),
...     A.RandomBrightnessContrast(),
...     A.RandomGamma(),
...     A.HueSaturationValue()
... ]
```

Além disso, defina um mapeamento para refletir melhor o nome da chave de destino.

```py 
>>> additional_targets = {"depth": "mask"}
>>> aug = A.Compose(transforms=transforms, additional_targets=additional_targets)
```

Com `additional_targets` definido, você pode passar os mapas de profundidade de destino para o argumento `depth` de `aug` em vez de `mask`. Você notará essa mudança na função `apply_transforms()` definida abaixo.

Crie uma função para aplicar a transformação às imagens, bem como aos seus mapas de profundidade:

```py 
>>> def apply_transforms(examples):
...     transformed_images, transformed_maps = [], []
...     for image, depth_map in zip(examples["image"], examples["depth_map"]):
...         image, depth_map = np.array(image), np.array(depth_map)
...         transformed = aug(image=image, depth=depth_map)
...         transformed_images.append(transformed["image"])
...         transformed_maps.append(transformed["depth"])
...
...     examples["pixel_values"] = transformed_images
...     examples["labels"] = transformed_maps
...     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
>>> train_dataset.set_transform(apply_transforms)
```

Você pode verificar se a transformação funcionou indexando os `pixel_values` e `labels` de uma imagem de exemplo:

```py
>>> example = train_dataset[index]

>>> plt.imshow(example["pixel_values"])
>>> plt.axis("off")
>>> plt.show()
```

    

Visualize a mesma transformação no mapa de profundidade correspondente à imagem:

```py 
>>> show_depthmap(example["labels"])
```

    

Você também pode visualizar várias amostras de treinamento reutilizando o `random_indices` anterior:

```py 
>>> plt.figure(figsize=(15, 6))

>>> for i, idx in enumerate(random_indices):
...     ax = plt.subplot(3, 3, i + 1)
...     example = train_dataset[idx]
...     image_viz = merge_into_row(
...         example["pixel_values"], example["labels"]
...     )
...     plt.imshow(image_viz.astype("uint8"))
...     plt.axis("off")
```

    

