【Detectron2-Panoptic Segmentation训练自定义数据集】自定义数据集制作&coco instance→coco panoptic数据集格式转换

Detectron2提供了全景分割Panopic Segmentation模型在coco2017全景分割数据集上的训练途径，遗憾的是官方文档并没有提供在自定义数据集上训练全景分割模型的说明，这个事实已经在Detectron2的GitHub Issues中的一篇帖子train Panoptic Segmentation model on custom dataset内得到了印证→_→ 

 由于毕业设计需要，因而仔细阅读了Detectron2官方文档中关于训练Panoptic Segmentation模型的只言片语，以及Issues里所有关于利用Panoptic Segmentation模型训练自定义数据集的提问帖，总结了训练自定义数据集的方法。本篇博客首先介绍了自定义数据集的部分制作步骤，重点介绍由coco instance格式向coco panoptic格式的转换。

【注：本示例实验数据集仅包含两个类别，所有实验内容均在colab内进行】

1.labelme标注图像 

将利用到数据标注工具labelme，用户可以在labelme中分别加载数据集图片，设定所有类别名称后手动在图片上标记目标的范围。如果事先没有接触过labelme的安装及操作过程，可以全网搜索一下使用方法。这里推荐一个B站的labelme使用教程。

在利用labelme对一张图片进行标注后，将会自动生成一个与图片名称相同的后缀为json的文件，里面存储了图