语义分割项目-window-1

项目目录：
制作自己的数据集
运行&解析小训练脚本

1. 制作自己的数据集-小

先上个github:
https://github.com/2206487433/deep-learning-explorer-master

因为第一步我也不想弄直接就弄麻烦的数据集，在这里我们弄一个用代码生成的数据集，数据集有三个类分别是（square，circle，triangle）,这里弄的是和coco数据集同一个类型。
数据集图片如下：

原图片
标记图片
接下来要生成的图片就是这两种
.
.

我们先了解一下coco数据集是什么格式的：

•                          我们最终要生成的数据集格式—也就是coco格式
  

annotations 里的json文件描述了每一张图片分割label的坐标值。
weights 是用的是coco数据集的初始化权重（这个可以改变其它路径，并非一定放在这，它不属于coco数据集格式的内容，因为代码要求所以我才放进来的）
**

了解一下coco格式的json:

(图片非原创，源自https://blog.csdn.net/qq_35608277/article/details/79873456如有侵权请联系，谢谢)

.
.

先弄好这样的数据集：

通过下面这个文件shapes_to_coco.py生成annotations存放json

.

## 使用shapes_to_coco.py生成json:

生成的目录是：

这个就是生成最后可以使用的数据集。
这里我不直接写快捷的代码了，要生成什么json就用什么的就行
做数据集就到这里了。
在deep-learning-explorer-master\mask-rcnn\notebooks里的mask_rcnn.ipynb可以直接训练，但要加载出权重，可能下载速度比较慢，你可以直接
百度云链接：https://pan.baidu.com/s/1drKvfg 密码：yer9
下载好权重放到\deep-learning-explorer-master\data\shapes\weights这里面（这是coco数据集的权重初始化用）。

2. 制作自己的数据集

（这个更接近于现实的数据集）
我们通过labelme工具进行制作，labelme工具的github
下载好labelme通过命令打开：（如果打开失败上网查教程）

labelme

然后进行标记，这里不教怎么标记（不会上网查）
标记后生成如下：

label工具生成的json和coco数据集的json并不相同，那我们的通过代码就json进行转换成coco格式的json
转换代码路径是：labelme-master\examples\instance_segmentation\labelme2coco.py
可以看一下labelme2coco.py代码运行后生成的就是coco数据集的格式。
将代码放进相应的文件夹，就OK.

.
.
.
.
.
.
.
.
.
.
.
.