语义分割 - 数据集准备

最新推荐文章于 2024-07-10 21:30:00 发布

AIHGF

最新推荐文章于 2024-07-10 21:30:00 发布

阅读量7.9k

点赞数 3

分类专栏：语义分割数据集语义分割文章标签：语义分割数据集

本文链接：https://blog.csdn.net/zziahgf/article/details/72884878

版权

这篇博客介绍了如何准备PASCAL VOC 2012语义分割数据集，包括数据集的下载和数据转换。在数据转换过程中，详细阐述了将augmented PASCAL VOC的Matlab格式ground truth labels转化为PNG图像，并通过convert_labels.py脚本将其降维以适应Caffe的softmax loss函数。

摘要由CSDN通过智能技术生成

# 语义分割数据集准备

Dataset 数据集下载

# augmented PASCAL VOC
cd $DATASETS
wget http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/semantic_contours/benchmark.tgz # 1.3 GB
tar -zxvf benchmark.tgz
mv benchmark_RELEASE VOC_aug

# original PASCAL VOC 2012
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar # 2 GB
tar -xvf VOCtrainval_11-May-2012.tar
mv VOCdevkit/VOC2012 VOC2012_orig && rm -r VOCdevkit

Data conversions 数据转换

augmented PASCAL VOC 数据集的 ground truth labels 是以 Matlab data files的格式存在的，需要进行转换：
- Step1 定义 mat2png 脚本；
- Step2 转换 mat 成 png.

#!/usr/bin/env python
# Martin Kersner, m.kersner@gmail.com
# 2016/03/17

from __future__ import print_function
import os
import sys
import glob
import scipy.io
from PIL import Image as PILImage

# Mat to png conversion for http://www.cs.berkeley.edu/~bharath2/codes/SBD/download.html
# 'GTcls' key is for class segmentation
# 'GTinst' key is for instance segmentation
def mat2png_hariharan(mat_file, key='GTcls'):
    mat = scipy.io.loadmat(mat_file, mat_dtype=True, squeeze_me=True, struct_as_record=