语义分割数据集制作,如何制作自己的数据集合集,语义分割数据集制作,如何制作自己的数据集称为
语义快速scnn分割使用cityscapes数据集。如果您想制作自己的cityscapes数据集，请参考https://blog.csdn.net/weixin _ 45609455/article/details/106334688。
本文提供了另一种方法。
1.下载labelme提供的示例中的代码和地址。
(1)打开示例文件-- semantic _ segmentation。
(2)根据data_annotated中的文件存储格式，将标记的json和原图复制到data_annotated，删除data_dataset_voc文件夹，运行labelme2voc.py，labels.txt进行修改。您可以在终端输入以下命令
python me 2 VOC . pydata _ annotated data_dataset_voc-label labels . txt(3)获取新创建的data _ dataset _ VOC文件，
训练是原始图像和标签图像，原始图像放在其中。/data _ dataset _ VOC/jpe images，而标签图像放在。/data _ dataset _ VOC/segmentationclasspng。
(4)检查生成的标签图是否为灰度图。下面的代码
将numpy作为NP从pil导入Image img=Image . open(/* */1 _ min 6 278 . png )# Image location a=img . mode print(a)如果输出为L，可以跳过下面的灰度转换。否则需要把训练好的图片转换成灰度图像(有时候虽然是灰度图像，img.mode是p。
Import v2 import OS input _ dir=。/label/#的文件夹。上一步保存的png图像out _ dir=。/label _ gray/ a=OS . listdir(input _ dir)import numpy作为NP for I in a:img=cv2 . im read(input _ dir / I)gray=cv2 . CVT color(img，2 .cvcolor _ rgb2gray)打印(NP。唯一(灰色))cv2。imencode(。png ，灰色)[1]。tofile (out _ dir/i)注意：生成的标签映射是8位映射，但不能直接用于训练。它仍然需要被转换成
2.培训前的图片放置
在fastscnn代码文件中，根据以下格式创建一个新的位置数据集
数据集/
城市/
夹子/
leftmg8bit/
gtFine/
注意：训练的原图放在leftmg8bit文件夹中，训练的标签图(灰度图)放在gtFine中。
3.培训前修改代码
(1)检查标签类别对应的值，运行代码如下。
将numpy作为NP从pil导入image img=image . open(/* */1 _ min 6 278 . png )# image location img=NP . array(img)print(NP . unique(img))比如我的标签对应的值是0(背景)，14，38，52，75。
NUM_CLASS=7 #这加起来的背景类别数是7，所以在第59行，self的第41 #行做如下修改。_ key=np.array ([-1，0，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1- 20-1，#11 - 20 -1，-1，-1，-1，-1，-1，-1，#21 - 30 -1，-1，-1，-1，-1，-2，-1，-1，-1，- 40 -1，#31 - 40 -1，-1，-1，-1，-1，-1 #71 -1，-1，-1，-1，-1，-1，-1，5，-1，#81 -1，-1，-1，-1，-1，-1，-91-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-1，-101-1，-1，-1，-1，#101 -1，-1，-1，6 # 111-113]]因为最大标签值是113，113 2(从-1开始)=115，对这115个位置初始化-1
对于0(背景)，14，38，52，75，89，113，需要分别给第2，16，40，54，77，89和115位赋值0，1，2，3，4，5，6。
4.运行时遇到找不到图片的错误。
一般是读取图片的地址有错误。单步执行def _ get _ city _ pairs (folder，split= train )函数，查看代码是否需要修改。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。