Supervisely 人像分割数据集格式解析

数据集解压后，目录结构：

├── ds#
│   ├── ann
│   └── img
└── meta.json

注："#" 取[1, 13]。

数据集的下载方法，请参考：Supervisely 人像分割数据集

如果只是想知道如何读取数据库，如何得到mask，请参考：Supervisely 人像分割数据集格式转换

文件和目录描述：

• ann: 包含图像标注信息的目录，每张图像对应一个标注文件。
• img: 包含图像的目录。
• meta.json: 项目的有关信息，包含预定义的类和标签。

supervisely 中以 Project 为单位，每个 Project 中有若干 dataset。

supervisely 详细格式信息参考：https://docs.supervise.ly/data-organization/import-export/supervisely-format

项目信息 meta.json

{
    "classes": [
        {
            "title": "person_poly",
            "shape": "polygon",
            "color": "#18FF00",
            "geometry_config": {}
        },
        {
            "title": "person_bmp",
            "shape": "bitmap",
            "color": "#FF0099",
            "geometry_config": {}
        },
        {
            "title": "neutral",
            "shape": "polygon",
            "color": "#D2210A",
            "geometry_config": {}
        }
    ],
    "tags": [
        {
            "name": "not-marked-people",
            "value_type": "none",
            "color": "#DF1189"
        },
        {
            "name": "multipart-person",
            "value_type": "none",
            "color": "#131EEC"
        }
    ]
}

字段描述：

• tags: 字符串列表，可以分配给图像或物体的所有可能的标签
• classes: 对象列表，所有可能的对象类。每个对象有以下字段：
  • title: 字符串，类的唯一标识符
  • shape: 字符串， ["bitmap", "polygon", "rectangle", "line", "point"] 中的一个
  • color: 字符串，hex颜色值

shape 标注示例：

标注信息

对于每个图像，都有一个带有注释的json文件。

{
    "description": "boy",
       "name": "brothers-family-siblings-boys-50692",
    "tags": [],
    "size": {
        "height": 800,
        "width": 1200
    },
    "objects": […]
}

字段描述：

• description: 可选，用于存储想要分配给图像的文本。例如，如果要构建一个图像字幕系统，它就非常有用。
• name: 可选，图像的basename（没有后缀名的文件名）。
• size: 图像尺寸。大多数情况下，它是用来获得图像尺寸而不实际读取图像，以加快一些数据处理。
• tags: 字符串列表，图像标签。
• objects: 对象列表，其格式将在下面描述。

对象列表的元素

对象列表的元素用于描述一个对象，对象的几何形状类型有：

• bitmap: 位图
• polygon: 多边形
• rectangle: 矩形
• line: 线段
• point: 点
• cuboids: 立方体

Bitmap

{
    "description": "",
    "geometryType": "bitmap",
    "labelerLogin": "supervisely",
    "tags": [],
    "classTitle": "person_bmp",
    "bitmap": {
        "data": "…",
        "origin": [
            93,
            309
        ]
    }
}

字段描述：

• description: 字符串，对象的描述
• geometryType: 可选，几何形状，在 classTitle字段中有描述
• labelerLogin: 可选，标注人
• tags: 字符串列表，对象标签
• classTitle: 字符串，类的名称，它用于标识来自 meta.json 文件的类形状
• bitmap: 包含两个字段：
  • origin: 位图左上角坐标(x, y)，即位图在图像中的位置
  • data: 字符串，字符串编码表示的位图

你可以使用下面的方法将 bitmap data 数据转换成 numpy

def base64_2_mask(s):
    z = zlib.decompress(base64.b64decode(s))
    n = np.fromstring(z, np.uint8)
    mask = cv2.imdecode(n, cv2.IMREAD_UNCHANGED)[:, :, 3].astype(bool)
    return mask

Polygon

{
    "description": "",
    "geometryType": "polygon",
    "labelerLogin": "supervisely",
    "tags": [],
    "classTitle": "person_poly",
    "points": {
        "exterior": [
            [
                1293,
                1026
            ],
            [
                1294,
                1029
            ],
            …,
            [
                1293,
                1026
            ]
        ],
        "interior": []
    }
}

字段描述：

• description: 字符串，对象的描述
• geometryType: 可选，几何形状，在 classTitle字段中有描述
• labelerLogin: 可选，标注人
• tags: 字符串列表，对象标签
• classTitle: 字符串，类的名称，它用于标识来自 meta.json 文件的类形状
• points: 有两个字段：
  • exterior: 点（x和y坐标）列表，例如：[[x1, y1], [x2, y2], [x3, y3], [x4, y4], ...]。物体的轮廓有这些点定义。
  • inter: 与 exterior 字段相同结构的元素列表。这是定义对象孔的多边形列表。如：铜钱中心的孔洞。