图像语义分割是指pixel-wise类的图像分类操作,目的是对图像中的同一类标注相同的label,显示该类是同一类。
训练自己的数据集,语义分割最重要、最基础的一步是标注图像,训练自己的模型。
在标注图片中,MIT将标注软件Labelme设为开源。
3358 label me2. csail.MIT.edu/release 3.0/index.PHP? 消息=1
我个人觉得不是特别好用,需要和Matlab toolbox配合使用。
这推荐python版的标签Me。 链接:
3359 github.com/wkentaro/label me
我在测试该软件的时候,python3环境下,发现有几处bug,已经报给作者了。所以如果最近使用的话,还是推荐在python2环境使用。
(第一个错误已由作者解决,应该很快就会完全支持python3。)
安装时,作者自述文件非常详细,但作者没有windows环境,因此没有进行过测试。 我在这个blog中补充了windows10环境的安卓安装,
安装过程与在每个其他平台上的anaconda环境中进行labelme安装完全相同。
conda create---- name=labelmepython=2.7 sourceactivatelabelmecondainstallpyqtpipinstalllabelme软件的使用可以直接引用作者自述文件
作者把这个软件当成了非常愚蠢的操作:
可以在View的“an dvanced”模式之间切换模式。
在open中导入文件,然后选择“创建多边形”以编辑所需的区域。
这里只选择一个eye,保存即可得到json文件。
我们的目的是得到标签数据。 json对我们来说还是转换为单通道的image
终端输入:
labelme_json_to_dataset文件名. json可以检索包含4个文件、*.png、info.yaml、label.png和label_viz.png的文件夹
其中label.png是我们想要的label_data。
虽然看起来很黑,但是当您阅读像素时,您会发现同一类别的文件被标记。
在此使用matlab进行强调对比度显示。
标记完成!
如果需要批量转换,则必须自己编写shell脚本。