常用语义分割数据集标注工具如labelme等,可以很方便的实现对图像的标注:
当需标注的图像过多时,为了减少标注成本,可以先标注部分图像,用这些数据去训练出一个模型,之后再用其他要标注的图片传入该模型,得到一个预测的粗标记结果。在粗标记结果上进行标注,可以减少需标注的像素。
但是粗标签结果无法使用labelme进行辅助标注,此时可用ps来进行标注。具体操作如下:
1. 新建画布,大小设置为要标记的图片大小,颜色模式为RGB-8位图:
2. 将图片和粗标签拖入画布,取色,并调节标签的透明度:
3. 使用铅笔工具,在label图层上需要补充标记的地方进行涂抹标记:
4. 调回label图层的不透明度,并取消其他图层的可视图:
5. 存储为web所用格式:
6. 设置为PNG-8格式:
7. 默认颜色表是红色和黑色,但是labelme对应的应该是黑色为0,红色为1,因此需要载入新的颜色表:
删除除了红黑的所有颜色,保证黑色在前,红色在后,然后保存:
8. 可以得到精细标记后的图像,为8位图:
根据以下代码可以查看该图像的像素,确认的确只有0和1像素:
import numpy as np
from PIL import Image
pred = np.array(Image.open("C:/Users/Administrator/Desktop/test.png"))
b = pred.flatten()
np.bincount(b)