Mask-RCNN数据集制作

Posted my0213

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Mask-RCNN数据集制作相关的知识,希望对你有一定的参考价值。

转自https://blog.csdn.net/pingushen2100/article/details/80513043

一.Mask-RCNN数据集

           技术分享图片

            1.1 训练Mask-RCNN用的到的文件有三种:原图像(jpg),mask(png),info.yaml

                    也就是训练的训练图像,掩模(mask),info.yaml里存放的是label的名字:分为背景,物体1,物体2.......的名字

            1.2  图像的重命名:

                    技术分享图片

            1.3这里我们先创建一个叫train的文件夹,在文件里存放训练的文件图像(之后的操作基本都在这里面)

                    我的训练图像格式是bmp格式的,所以先转格式---使用以下python脚本                   

 

    #-*- coding:utf-8 -*-
    from PIL import Image
    import os
    import glob
    os.chdir(r‘./‘)#图片所在文件夹
    for file_names in glob.glob(‘*.bmp‘):#找出所有的后缀为bmp的格式的图片
    print(file_names)
    file_path = r‘./‘+‘//‘+file_names#拼接出图片的完整url
    print(file_path)
    out_path = os.path.splitext(file_path)[0]+‘.jpg‘
    Image.open(file_path).save(out_path)
    print(‘转换成功‘)

                    把脚本放在图片所在文件夹,在当前文件夹下打开终端:   sudo python3   脚本名字.py  即可

             1.4  labelme图像标注工具

    Github链接:             https://github.com/wkentaro/labelme

技术分享图片

            注意事项:在train下新建一个json文件夹用于labelme生成的json文件

            1.5编写    .sh 脚本 去生成标签等数据  我这里是20张图,21这个参数根据自己的设定

    #!/bin/bash
    s1="/home/attach/datasets/train/json/rgb_"
    s2=".json"
    for((i=1;i<21;i++))
    do
    s3=${i}
    labelme_json_to_dataset ${s1}${s3}${s2}
    done

 

                        

1.6rgb_X_json里面的label是16位深的,而opencv读取的是8位的,所以新建一个mask文件夹用于生成label.png

    #include <iostream>
    #include <opencv2/opencv.hpp>
    #include <string>
    #include <stdio.h>
    using namespace std;
    using namespace cv;
    int main(void){
    char buff1[100];
    char buff2[100];
    for(int i=1;i<21;i++){
    sprintf(buff1,"/home/attach/datasets/train/json/rgb_%d_json/label.png",i);
    sprintf(buff2,"/home/attach/datasets/train/mask/%d.png",i);
    Mat src;
    src=imread(buff1,CV_LOAD_IMAGE_UNCHANGED);
    Mat ff=Mat::zeros(src.rows,src.cols,CV_8UC1);
    for(int k=0;k<src.rows;k++){
    for(int kk=0;kk<src.cols;kk++){
    int n=src.at<ushort>(k,kk);
    ff.at<uchar>(k,kk)=n;
    }
    }
    imwrite(buff2,ff);
    }
    return 0;
    }

 

这是个opencv的C++,你可以在Windows下转换,也可以在Ubuntu下:

使用如下命令:

                              

 sudo g++ tran16_8.cpp -lpthread -o  tran16_8 `pkg-config --cflags --libs opencv`

 

2.最后补充

        新建rgb用于存放训练的rgb_x.jpg

        技术分享图片

Mask-RCNN训练的图像需要是2的倍数(困惑,你知道了告诉我哈~)

以下放出两个resize的python脚本

resizejpg的,放在rgb文件夹下,在rgb下打开终端直接运行:(sudo python3   你的脚本名字.py)

    #-*- coding:utf-8 -*-
    from PIL import Image
    import os.path
    import glob
    def convertjpg(jpgfile,outdir,width=512,height=512):
    img=Image.open(jpgfile)
    try:
    new_img=img.resize((width,height),Image.BILINEAR)
    new_img.save(os.path.join(outdir,os.path.basename(jpgfile)))
    except Exception as e:
    print(e)
    for jpgfile in glob.glob("./*.jpg"):
    convertjpg(jpgfile,"./")

 

resizepng的脚本是放在mask文件夹下运行:

    #-*- coding:utf-8 -*-
    from PIL import Image
    import os.path
    import glob
    def convertpng(pngfile,outdir,width=512,height=512):
    img=Image.open(pngfile)
    try:
    new_img=img.resize((width,height),Image.BILINEAR)
    new_img.save(os.path.join(outdir,os.path.basename(pngfile)))
    except Exception as e:
    print(e)
    for pngfile in glob.glob("./*.png"):
    convertpng(pngfile,"./")

 

当你看到这里的时候,恭喜你!你的Mask-RCNN数据集做好了

最后的小tips:放在rgb   mask 跑的脚本记得去掉,不然训练的时候读取会报错out of range噢!

以上是关于Mask-RCNN数据集制作的主要内容,如果未能解决你的问题,请参考以下文章

图像语义分割标注工具labelme制作自己的数据集用于mask-rcnn训练

mask-rcnn代码解读:rpn_feature_maps数据的处理

Mask-RCNN : 代码使用

Mask-RCNN,ValueError:无法将输入数组从形状(70)广播到形状(1)

mask-rcnn解读:clip_boxes_graph

mask-rcnn训练自己的数据集