本文接着介绍了Mask Rcnn目标分割算法如何训练自己数据集，对训练所需的文件以及训练代码进行详细的说明。

本文详细介绍在只有样本图片数据时，如果建立Mask Rcnn目标分割训练数据集的步骤。过程中用到的所有代码均已提供。

一、制作自己的数据集

1、labelme安装

自己的数据和上面数据的区别就在于没有.json标签文件，所以训练自己的数据关键步骤就是获取标签文件，制作标签需要用到labelme软件。我们在当前虚拟环境下直接安装：

activate py37_torch（这是我的虚拟环境）

pip install pyqt5 -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install labelme

安装好后，直接在命令行输入labelme就可以打开标注软件了

具体安装和使用方法可以参考以下链接

https://zhuanlan.zhihu.com/p/436614108

2、labelme制作标签

在labelme软件中打开图片所在文件夹，一次对图片边缘进行画点制作标签，并保存，每张图片的标签以.json文件保存在图片所在目录

标签保存到与图片同一路径下，对所有图片标注后，得到下面所示的数据集（每张图片下面为对应的标签.json文件）

3、将标签转换为coco数据集格式（一）（可直接进行第4步，这一步仅作为探索中间过程的记录）

（1）单个json文件转换为coco格式

在利用mask rcnn进行自己的数据集训练时，数据集的格式要采用coco格式，所以利用labelme自带的json_to_dataset将自己的.json文件转换。该文件所在路径如下图所示：

打开json_to_dataset.py文件，对保存路径进行修改，修改为自己转换后的路径即可。

生成的文件夹下一共包含5个文件（这里缺少了一个yaml，后面会介绍如何获取yaml）

（2）批量转换

但是这样一个一个文件转太麻烦，因此我们需要写一个程序自动将所有.json文件一次性转换。

这里我写了一个批量转换的程序

My_json_to_dataset.py