DeepLabV3+(tensorflow)工程应用系列（一）—— 自己制作语义分割数据集

一、概述

  在实际的工程应用中，我们通常要制作自己的数据集，进而完成实际场景下的任务。关于语义分割任务数据集的基本介绍以及规范，请参考我总结的官网博客，PASCAL VOC 2012 数据集解析。在该系列博客中，将详细介绍【DeepLabV3+】的整个应用过程：数据制作，数据生成，代码解析，网络结构解析，论文翻译以及解析。

二、软件安装（Labelme）

  本次数据制作，选择普遍使用的标注软件，Labelme。该软件是一个图形界面的图像标注软件，来自于 http://labelme.csail.mit.edu/ 。它是用 Python 语言编写的，图形界面使用的是 Qt（PyQt）。

1. 配置环境（anaconda+windows10）

   conda create --name=labelme python=3.6
   source activate labelme
   pip install pyqt5  # pyqt5 can be installed via pip on python3
   pip install labelme
   

   激活环境，运行软件：
   
   软件启动界面如下图所示：
   

三、软件使用以及数据生成

1. 数据标注
   选择【Edit】=>【Create Ploygons】后，进入该模式下编辑，见下图所示，我们标注了三类对象，分别是 person，plant，chair，标注完成后，保存数据，会生成 Json 文件。
   
   生成 Json 的文件如下图所示：
   

2. 数据生成及可视化

   使用命令工具，【labelme_draw_json 2007_004000.json】，可视化标注的结果，如下图所示，并且会自动生成背景类，

   

   使用软件命令【labelme_json_to_dataset 2007_004000.json】，生成标签数据，如下图所示，img：原图，label：掩码图，label_names：类别，label_viz：可视化结果（背景默认是第0类），
   

3. 批量生成数据
   在【2.】和【3.】中，我们展示了如何标注数据，并生成标签数据，这些操作都是针对单个数据处理。在实际的项目中，数据集规模往往非常大，不可能手动运行。然而，【Labelme】软件没有提供批量生成标签的代码，因此我们需要作相应的处理，Python【exe.py】代码如下：

   # 【exe.py】
   import os
   
   path = '.\\image44\\'  # 存放原图像和标注软件生成的Json文件
   file = os.listdir(path)
   
   # 循环调用exe（labelme_json_to_dataset）程序，name1是传入参数
   for name in file:
       if name.endswith('.json'):
           print(name)
           name1 = path + name
           os.system('labelme_json_to_dataset ' + name1)
   

   Windows下，【labelme_json_to_dataset.exe】应用程序路径，
   
   Adaconda Prompt 下运行【exe.py】，就可以将 Labelme 标注文件生成掩码图，便于训练使用，
   
   运行【python exe.py】后，生成的三个文件夹分别对应三张图片以及其Json文件转换的掩码图，

4. 问题点
   在实际情况下，图像中并没有包含所有的类，可能仅仅标注少的几类。那么，按照上述生成方式，会出现类别错误。如下图所示，不同的图片中，天空的掩码颜色并没有保持一致（左图是黄色，右图是绿色）：
   
   针对上述问题，需要修改源代码，打开【C:\Users\ll_66\Anaconda3\envs\labelme\Lib\site-packages\labelme\cli】下的脚本文件【json_to_dataset.py】，具体修改见下图所示，修改完成后保存，然后重新运行命令 【python exe.py】即可，
   

四、参考资源

1. https://blog.csdn.net/u014061630/article/details/88756644（介绍的非常详细，全面）
2. 语义分割数据制作（介绍Ubuntu下利用Labelme制作数据）