利用全卷积神经网络将python中的索引值转换为（R，G，B）值（colormap）进行图像分割

Question

我在PASCAL VOC 2012数据集上做图像分割。我有21个类，包括从分割模型生成的背景。分割输出的形状是（224224，21），其中每个（224×224）是21个类中每个类的特征图。这些映射中的每一个都包含索引（第一个映射仅在该像素属于类1时才包含数组1中的值，否则它将是空的，并且对于其他类很快将是空的）。现在我想把每个映射（0，1，2，…20）中的这些索引值转换成相应的（R，G，B）值，并将其存储为图像。（PASCAL VOC具有为每个索引值定义的相应（R，G，B）值）。我完全不知道如何做到这一点。非常感谢您的帮助。你知道吗

我有一些关于颜色映射的问题，所以在其他博客使用pascalvoc数据集，但我不能理解他们。你知道吗

Answer 1

如果要将此数据用于可视化，可以转换如下：

RGB_colors = [(12,12,12), (13,13,13), ... 21 color for 21 classes ...]

image = np.zeros( (224,224,3) )  # black RGB image
for i in range(image.shape[0]) :
    for j in range(image.shape[1]) :
        color_index = output[i,j].index(1)  # index of '1' value
        image[i,j] = RGB_colors[ color_index ]