深度学习像素级标签制作总结

本文总结了三种深度学习像素级标签制作方法:Labelme、Matlab简单实现和Matlab官方Image Labeler App。Labelme通过JSON文件转换生成mask,Matlab代码适合连续标注,Image Labeler提供精准标注但资源需求较高。
摘要由CSDN通过智能技术生成

标签制作方法总结:

以下介绍的几种标签制作方法,可以制作目标识别的矩形标签,也可以制作像素级别的分割标签,制作的标签为单通道 uint8 类型的格式。可以根据自己的需要进行选择合适的方法。

方法1:Labelme

地址: https://github.com/wkentaro/labelme

介绍:
采用 python语言进行编译的工具,通过鼠标进行选择点,然后自动将点链接成一个mask。目标范围内为1,非目标为0;保存的文件不是直接的mask图片。而是一个json文件,需要用命令行代码进行转化,每一个json文件转化为一个文件夹,文件夹内就包含了原图和mask,所有的mask名字转化后都为同一个名字。然后需要将每一个mask拷贝出来,然后重命名,比较繁琐。

方法2:Matlab十行代码实现

地址: https://blog.csdn.net/awyyauqpmy/article/details/79556070

介绍:
本程序基于Matlab的roipoly函数,来编写的一个简单的mask制作程序。本程序的特点是可以连续标注,标注一个文件夹内的所有图片,然后将标注好的mask以原图

  • 3
    点赞
  • 45
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值