利用labelme制作实例分割数据集 |
您所在的位置:网站首页 › 新闻格式图片实例怎么做 › 利用labelme制作实例分割数据集 |
利用labelme制作实例分割数据集
一、软件安装与环境配置二、利用labelme做实例分割标记三、利用labelme生成voc与coco格式数据集关于coco数据集的理解其它一些可能出现的问题
一、软件安装与环境配置
参考上一篇博客 二、利用labelme做实例分割标记容易出现的一些问题: 当一张图片里同个类别有多个物体时,均使用同一种类名称作为标签进行标注(因为后文coco数据集格式会给同种物体单独分序号)。如下图三人均属于person类。 当一张图片里某个颗粒被遮挡时,利用labelme标签里的group选项,分别描画被遮挡的几部分颗粒,并命名为同一group。如下图,sofa被遮挡,最终分别描画几段,但标签都为sofa,且同属于group(0)。 group选项在此标记: 标记的原图像一定要用jpg格式,不能用png格式。(后文的生成标准格式的数据集程序,png四通道会报错!!) 三、利用labelme生成voc与coco格式数据集 首先最好上labelme的github主页下载整个仓库至本地。命令行激活环境,cd到下载的labelme仓库里的example的Instance segmentation文件夹。此文件夹内,data_annotated放自己json文件和对应的jpg原图像。仅保留如下图所示的东西。 修改label.txt,一定要有前两行,后两行替换为自己的所有类别名。 生成voc格式数据集: python labelme2voc.py data_annotated data_dataset_voc --labels labels.txt 生成coco格式数据集: python labelme2coco.py data_annotated data_dataset_coco --labels labels.txt done ! 关于coco数据集的理解id:标记实例序号 image_id:第几张图 category_id:实例分属于的类别序号 segmentation:实例分割位置标记 area:似乎是实例标记的大小 bbox:实例框位置 iscrowd:是否是被遮挡物体,还有另一块 这里就是类别名与类别标记的一一对应关系 其它一些可能出现的问题 转化coco数据集,需要安装pycocotools,安装失败,参考博客 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |