自制COCO 实例分割dataset并测试效果（从采集到测试）

原文链接：自制COCO 实例分割dataset并测试效果（从采集到测试）

核心内容流程：
1, labelme 标注
2，labelme自带工具转换到coco
3，coco自带api显示

自制COCO 实例分割dataset并测试效果

1. 自制实例分割数据集
   流程：采集->标注->测试

1.1 前期准备
自制采集工具:wxpython_camera,支持普通摄像头和zed mini，图片采集分辨率自己在代码里改
标注工具:labelme
labelme标注效果:

采集程序运行效果:

1.2 采集->标注
用labelme打开采集完成的文件夹，使用create polygon标注好保存标注的分类和文件后。在开发环境执行下面语句安装labelme库和官方项目以及pycocotool库

程序要安装库也要安装

pip install labelme

克隆官方项目

git clone https://github.com/wkentaro/labelme.git

windows pycocotool执行这个

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
1
2
3
4
5
6
使用labelme官方仓库的方法生成对应coco格式的数据集
使用官方仓库examples/instance_segmentation文件夹下的labelme2coco.py对数据集进行格式转换

使用官方仓库examples/instance_segmentation文件夹下的labelme2coco.py对数据集进行格式转换

python labelme2coco.py <你数据集的路径> <转换后的数据集路径> --labels <labels文件路径>
1
2
下面为labels文件的格式，正常命名labels.txt就行，第一第二行保留，从_background_下开始写

ignore
background
teeth_top
teeth_bottom
uvula
tongue
pp_wall
tonsil_right
tonsil_left
1
2
3
4
5
6
7
8
9
1.3 测试
随便挑一张图片进行测试，使用pycocotool将一张图片的所有类型标注都输出

from pycocotools.coco import COCO
import matplotlib.pyplot as plt
import matplotlib
import cv2

matplotlib.use(‘Qt5Agg’)
file = “…/…/oral_dataset/annotations.json”
pic_path = “…/…/oral_dataset/JPEGImages/0.jpg”
im = cv2.imread(pic_path)
plt.imshow(im); plt.axis(‘off’)
cc = COCO(file)

把img id是0的图片拿来测试，就是第一张图

annIds = cc.getAnnIds(imgIds=0)
anns = cc.loadAnns(annIds)
cc.showAnns(anns)
plt.show()