【633】图片多分类转 one-hot 编码

　　图片多分类会将不同的数字写在同一副图片上面，例如有3类【0、1、2】，为了输入模型，需要将三个类的结果分别映射到三个通道：

• 0 类：第 0 通道，对于是 0 的像素点设置为 1，其他均为 0
• 1 类：第 1 通道，对于是 1 的像素点设置为 1，其他均为 0
• 2 类：第 2 通道，对于是 2 的像素点设置为 1，其他均为 0

　　假设我们的图片是 4*4 的，通过下面的操作可以实现：

# 设置图片像素值，通过 numpy.array 表示
>>> png = [[1, 2, 0, 2],
           [2, 1, 0, 1],
           [0, 1, 2, 0], 
           [1, 0, 2, 1]]
>>> png = np.array(png)
>>> png
array([[1, 2, 0, 2],
       [2, 1, 0, 1],
       [0, 1, 2, 0],
       [1, 0, 2, 1]])

# 用来表示不同分类对应的 one-hot 编码
# 0 类：对应于 row0, [1, 0, 0]
# 1 类：对应于 row1, [0, 1, 0]
# 2 类：对应于 row2, [0, 0, 1]
>>> np.eye(3)
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

# 通过下面的操作，可以将原始像素值映射为 one-hot
# np_arr_1[np_arr_2], 对于 np_arr_2 的每一个值，获取 np_arr_1 对应的 row 来竖着显示
>>> np.eye(3)[png.reshape([-1])]
array([[0., 1., 0.],
       [0., 0., 1.],
       [1., 0., 0.],
       [0., 0., 1.],
       [0., 0., 1.],
       [0., 1., 0.],
       [1., 0., 0.],
       [0., 1., 0.],
       [1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.],
       [1., 0., 0.],
       [0., 1., 0.],
       [1., 0., 0.],
       [0., 0., 1.],
       [0., 1., 0.]])

# 在转换回 H * W * Channel 的形式，不过这个看起来不直观
>>> np.eye(3)[png.reshape([-1])].reshape((4,4,3))
array([[[0., 1., 0.],
        [0., 0., 1.],
        [1., 0., 0.],
        [0., 0., 1.]],

       [[0., 0., 1.],
        [0., 1., 0.],
        [1., 0., 0.],
        [0., 1., 0.]],

       [[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.],
        [1., 0., 0.]],

       [[0., 1., 0.],
        [1., 0., 0.],
        [0., 0., 1.],
        [0., 1., 0.]]])

# 只显示 channel 1，显示如下：
>>> np.eye(3)[png.reshape([-1])].reshape((4,4,3))[:,:,0]
array([[0., 0., 1., 0.],
       [0., 0., 1., 0.],
       [1., 0., 0., 1.],
       [0., 1., 0., 0.]])

# channel 2
>>> np.eye(3)[png.reshape([-1])].reshape((4,4,3))[:,:,1]
array([[1., 0., 0., 0.],
       [0., 1., 0., 1.],
       [0., 1., 0., 0.],
       [1., 0., 0., 1.]])

# channel 3
>>> np.eye(3)[png.reshape([-1])].reshape((4,4,3))[:,:,2]
array([[0., 1., 0., 1.],
       [1., 0., 0., 0.],
       [0., 0., 1., 0.],
       [0., 0., 1., 0.]])

# 对应的分类
>>> png
array([[1, 2, 0, 2],
       [2, 1, 0, 1],
       [0, 1, 2, 0],
       [1, 0, 2, 1]])