语义分割数据集(多分类)制作

您所在的位置：网站首页 › 数据集制作 › 语义分割数据集(多分类)制作

语义分割数据集(多分类)制作

2023-08-14 03:45| 来源: 网络整理| 查看: 265

1：使用labelme标注工具

直接在命令行安装或者在anaconda下面新建虚拟环境安装（避免污染环境，不用的时候可以直接delete该环境）直接命令行(base)安装

pip install labelme labelme

创建虚拟环境安装，python版本选择3.6.x,打开Anaconda Prompt

conda create -n labelme python=3.6 conda activate labelme pip install labelme labelme

当前自动安装的版本为labelme-4.5.6 标注信息图如下

woman.png plane.png computer.png train.png 2:使用提供的脚本json_to_dataset.py把json转换为png形式，对于多分类的数据标注，需要在下面路径找到json_to_dataset.py修改：

虚拟环境下的路径为 C:\Anaconda3\envs\labelme\Lib\site-packages\labelme\cli cmd命令行（base）的路径为 C:\Anaconda3\Lib\site-packages\labelme\cli

需要修改的地方.png

运行脚本执行转换json操作，以下代码名为labelme_json_to_png.py

# -*- coding: utf-8 -*- import os json_folder = r"C:\Users\eadhaw\Desktop\0120test" # 获取文件夹内的文件名 FileNameList = os.listdir(json_folder) for i in range(len(FileNameList)): # 判断当前文件是否为json文件 if(os.path.splitext(FileNameList[i])[1] == ".json"): json_file = json_folder + "\\" + FileNameList[i] # 将该json文件转为png os.system("labelme_json_to_dataset " + json_file) 运行脚本.png 生成文件夹.png 验证类别对应.png 类别1红色的rgb值.png 类别2绿色的rgb值.png 类别3黄色的rgb值.png 类别4蓝色的rgb值.png 3：把数据整理为images,segmentations对应的文件夹整理文件夹.png

脚本如下：spilit_labelme_dataset.py

# -*- coding: utf-8 -*- import os import numpy as np import json import shutil def find_dir_path(path, keyword_name, dir_list): files = os.listdir(path) for file_name in files: file_path = os.path.join(path, file_name) if os.path.isdir(file_path) and keyword_name not in file_path: find_dir_path(file_path, keyword_name, dir_list) elif os.path.isdir(file_path) and keyword_name in file_path: dir_list.append(file_path) all_result_path = [] src_path = r'C:\Users\eadhaw\Desktop\0120test' label_save_path = r'C:\Users\eadhaw\Desktop\0120test\segmentations' image_save_path = r'C:\Users\eadhaw\Desktop\0120test\images' find_dir_path(src_path, '_json', all_result_path) # 找出所有带着关键词(_json)的所有目标文件夹 #print(all_result_path) for dir_path in all_result_path: # print(dir_path) file_name = dir_path.split('\\')[-1] key_word = file_name[:-5] # print(key_word) label_file = dir_path + "\\" + "label.png" new_label_save_path = label_save_path + "\\" + key_word + ".png" # 复制生成的label.png到新的文件夹segmentations #print(new_label_save_path) shutil.copyfile(label_file, new_label_save_path) img_dir = os.path.dirname(dir_path) # 复制原图到新的文件夹images img_file = img_dir + "\\" + key_word + ".jpg" new_img_save_path = image_save_path + "\\" + key_word + ".jpg" shutil.copyfile(img_file, new_img_save_path) 4: 把png转换为label图（[128,0,0]对应类别1，其他依次类推）

代码如下：

# -*- coding: utf-8 -*- import os import cv2 import numpy as np import matplotlib.pyplot as plt import skimage.io as io import skimage print("skimage:", skimage.__version__) # '0.14.2' color2index = { (0,0,0) : 0, (128,0,0) : 1, (0,128,0) : 2, (128,128,0) : 3, (0,0,128) : 4, } def rgb2mask(img): assert len(img.shape) == 3 height, width, ch = img.shape assert ch == 3 W = np.power(256, [[0],[1],[2]]) img_id = img.dot(W).squeeze(-1) values = np.unique(img_id) mask = np.zeros(img_id.shape) for i, c in enumerate(values): try: mask[img_id==c] = color2index[tuple(img[img_id==c][0])] except: pass return mask path = "C:/Users/eadhaw/Desktop/0120test/segmentations/" new_path = "C:/Users/eadhaw/Desktop/0120test/labels/" files = os.listdir(path) for filename in files: f_path = path + filename print(f_path) img = io.imread(f_path) print(img.shape) #判断一下读取的图像是否为三通道格式，rgba则要转换 if img.shape[2] == 4: img = cv2.cvtColor(img, cv2.COLOR_BGRA2BGR) mask = rgb2mask(img) mask = mask.astype(np.uint8) print(mask.shape) f_new_path = new_path + filename io.imsave(f_new_path,mask) labels结果图.png

至此数据集的制作完成。

PS:bmp,png,jpg的相互转换 path = "C:/Users/eadhaw/Desktop/0120test/images/" new_path = "C:/Users/eadhaw/Desktop/0120test/png/" files = os.listdir(path) #files.sort() for filename in files: f_path = path + filename print(f_path) img = cv2.imread(f_path) print(img.shape) newname=filename.split(".")[0]+".png" # 此处可更换想要转换的类型 print(newname) f_new_path = new_path + newname cv2.imwrite(f_new_path,img)

【本文地址】

语义分割数据集(多分类)制作

语义分割数据集(多分类)制作

今日新闻

推荐新闻