PASCAL-5I小样本语义分割数据集的制作

最新推荐文章于 2025-02-16 01:47:23 发布

元宵宫

最新推荐文章于 2025-02-16 01:47:23 发布

阅读量1.5k

点赞数 20

分类专栏：语义分割小样本学习文章标签：计算机视觉深度学习 python pytorch

本文链接：https://blog.csdn.net/qq_41609728/article/details/138164713

版权

本文详细介绍了PASCAL-5I数据集的制作过程，包括从PASCALVOC数据集抽样、类别划分、图片归类、数据集生成，以及对数据集中类别分布的可视化分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.前言

PASCAL-5I数据集是基于上一篇文章《pascal voc aug数据集》制作而成。本篇介绍了pascal-5i数据集原理以及制作过程，并可视化分析pasca-5i的类别分布。

PASCAL VOC AUG目录如下

pascal_voc_aug
- JPEGImages
- SegmentationClassAug
- train.txt
- trainval.txt
- val.txt

1.1 流程分析

总体分为以下步骤：

将pascal voc aug数据集的mask图片按照图片包含的类别归类
根据归类结果，和类别划分，生成数据集
将数据集类别情况详细统计

1.2 pascal-5i数据集介绍

pascal-5i来自于《One-Shot Learning for Semantic Segmentation》这篇经典小样本语义分割论文。它从PASCAL VOC 20个语义类的集合L中，我们抽样5个，并将它们视为测试标签集 $L_{test}=\{5i+1,...,5i+5\}$ ，其中i为the fold number，剩下的15个形成了训练标签集 $L_{train}=\{5i+1,...,5i+5\}$ 。其实思路和k-fold交叉验证很像.

其中pascal-5i训练集来自pasca_voc_aug的训练集.其mask经过处理,也就是把非查询集的类别标记为背景.同样pascal-5i的验证集来自pasca_voc_aug的验证集.
在这里插入图片描述

2.图片归类

具体说明：如果某张训练集图片包含1，2，3类，那么他的文件名会被记录在train目录下的1.txt、2.txt、3.txt.

def generate_class(mode):
    """
    将图片进行归类
    :param mode: train or val
    :return: 
    """
    dic={
   }
    data_list = txt_to_list(mode)
    for file_name in tqdm(data_list):
        mask_path = os.path.join(config.mask_path, file_name + ".png")
        mask = Image.open(mask_path)
        mask_arr=np.array(mask)
        class_set=set(np.unique(mask_arr)) - {
   0

最低0.47元/天解锁文章