图像标注-labelme标注自己的数据集

标注文件

labelme

安装符合要求的labelme, 重新转换

pip install labelme==3.16.1

标注后生成json文件
项目案例的数据集为zed2采集的1280*720的图片,170张用于训练,22张用于测试。
改数据集有2个类别:“Damper”, “Line”
数据集图像文件及标注的json文件放置在~/substation目录下

图像标注后的数据转换
在substation路径下执行

$ python labelme2voc.py substation_test substation_test/data_dataset_voc --labels labels.txt
$ python labelme2voc.py substation_val substation_val/data_dataset_voc --labels labels.txt

substation_test文件夹
substation_val文件夹

转换完成

项目数据准备
把转成数据集的目录结构准备成PASCAL VOC目录结构格式。
在DeepLabV3Plus-Pytorch/datasets/data文件夹下,创建目录结构如下:

└── VOCdevkit
├── VOC2007
├── ImageSets
├── JPEGImages
└── SegmentationClass

其中:
JPEGImages放所有的数据集图片;
SegmentationClass放标注的数据集掩码文件;
ImageSets/Segmentation下存放训练集、验证集、测试集划分文件
train.txt给出了训练集图片文件的列表(不含文件名后缀)
val.txt给出了验证集图片文件的列表
trainval.txt给出了训练集和验证集图片文件的列表
test.txt给出了测试集图片文件的列表
train.txt包括170张图片列表;trainval.txt包括170 张+22张图片列表;
val.txt和test.txt内容相同,包括22张图片列表