Mask rcnn训练、测试自己的数据集（多目标检测）

前言

参考的代码Mask_Rcnn
修改后的文件目录：

1. 数据集制作

1.1 数据集准备

1.1.1 样本

网上随便找的猫、狗、牛图片，有8张图（图名字和尺寸都需要统一格式），我用的数据集不是这个，目前项目没做完，所以就用这些图做个示范，主要用来记录这个过程，免得忘了！！！

1.1.2 rename.py 重命名

# -*- coding: utf-8 -*-

import os
path = "C:/Users/Administrator/Desktop/Mask_RCNN-master/make_dataset/jpg"

# 改名字和后缀
filelist = os.listdir(path) #该文件夹下所有的文件（包括文件夹）

count=1
for file in filelist:
    print(file)
for file in filelist:   #遍历所有文件
    Olddir=os.path.join(path,file)   #原来的文件路径
    if os.path.isdir(Olddir):   #如果是文件夹则跳过
        continue
    filename=os.path.splitext(file)[0]   #文件名
    filetype=os.path.splitext(file)[1]   #文件扩展名
    # Newdir=os.path.join(path+str(count)+'.png')  #用字符串函数zfill 以0补全所需位数
    Newdir=os.path.join(path,str(count).zfill(6)+'.jpg')
    os.rename(Olddir,Newdir)#重命名
    count+=1

1.1.3 resize.cpp 统一图片的尺寸

可以用python的opencv，我是正好在做c++ opencv相关的东西，就用这个做了。

#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>
#include <iostream>
#include <fstream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>


using namespace std;
using namespace cv;
using namespace cv::xfeatures2d;


int main() {
	String path = "C:/Users/Administrator/Desktop/Mask_RCNN-master/make_dataset/jpg/";        //待处理图片文件夹地址
	String dest = "C:/Users/Administrator/Desktop/Mask_RCNN-master/make_dataset/jpg/";    //处理后图片的保存地址
	String savedfilename;
	vector<cv::String> filenames;
	glob(path, filenames); //opencv里面用来读取指定路径下文件名的一个很好用的函数
	int num = filenames.size();
	printf("The number of file is %d", num);
	for (int k = 0; k < filenames.size(); k++)
	{
		Mat src = imread(filenames[k]);
		resize(src, src, Size(448, 512));
		int len = path.length();
		savedfilename = dest + filenames[k].substr(len);
		imwrite(savedfilename, src);

		waitKey(30);
	}
	return 0;
}

1.2 labelme标记得到json文件

安装和基本使用参考 labelme标记

1.3 json_to_dataset.py将json文件转为label.png

import argparse
import json
import os
import os.path as osp
import warnings
 
import PIL.Image
import yaml
# import draw
from labelme import utils
import base64
 
def main():
    count = os.listdir("./before/") 
    for i in range(0, len(count)):
        path = os.path.join("./before", count[i])

        if os.path.isfile(path) and path.endswith('json'):
            data = json.load(open(path))
            
            if data['imageData']:
                imageData = data['imageData']
            else:
                imagePath = os.path.join(os.path.dirname(path), data['imagePath'])
                with open(imagePath, 'rb') as f:
                    imageData = f.read()
                    imageData = base64.b64encode(imageData).decode('utf-8')
            img = utils.img_b64_to_arr(imageData)
            label_name_to_value = {'_background_': 0}
            for shape in data['shapes']:
                label_name = shape['label']
                if label_name in label_name_to_value:
                    label_value = label_name_to_value[label_name]
                else:
                    label_value = len(label_name_to_value)
                    label_name_to_value[label_name] = label_value
            
            # label_values must be dense
            label_values, label_names = [], []
            for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]):
                label_values.append(lv)
                label_names.append(ln)
            assert label_values == list(range(len(label_values)))
            
            lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)
            
            captions = ['{}: {}'.format(lv, ln)
                for ln, lv in label_name_to_value.items()]
            lbl_viz = utils.draw_label(lbl, img, captions)
            out_dir = osp.basename(count[i]).replace('.', '_')