【语义分割】在官网提交Cityscapes测试集结果教程

鱼啦_(:з」∠)_

已于 2023-12-22 18:14:34 修改

阅读量936

点赞数 10

文章标签： python 深度学习 github pytorch

于 2023-12-22 18:12:34 首次发布

本文链接：https://blog.csdn.net/qq_43840142/article/details/135157510

版权

1.下载官方Cityscapes数据集文件

官网的账号注册

官网https://www.cityscapes-dataset.com/

注册官网账号是需要教育邮箱的，可以在学校的小程序或者个人中心上看看自己的教育邮箱是多少。

注意，想提交自己的测试集结果是必须有一个能登陆的账号的哦。

下载数据集文件

语义分割用到的两个文件分别是

getFine_trainvaltest.zip [241MB]

leftImg8bit_trainvaltest.zip [11GB]

分别下载下来。

处理数据集

下载并解压后，需要对getFine_trainvaltest进行处理

用CityscapesScript中的代码代码地址https://github.com/mcordts/cityscapesScripts

找到cityscapesscript/preparation/creatTrainIdLableImgs.py

在其中中添加一行代码（如图中红色框线所示）

os.envrion['CITYSCAPES_DATASET']='输入自己的getFine文件的路径'

比如我的getFine路径是"home/you/下载/getFine_trainvaltest/getFine"，那填"home/you/下载/getFine_trainvaltest/"就能run了。

run完以后，getFine文件就会从241MB变成878MB，打开查看会看到彩色mask。

注意，getFine的test中的并不能真的拿来用（打开查看会发现是全黑的），想查看在test上的结果必须提交到官网。

提交test数据集结果到官网

处理结果图

用自己的模型跑test后，得到的mask并不能直接上传到官网，要先将其转化为labelID。

使用代码trainID2lableID.py

# converting trainIDs to labelIDs for evaluating the test set segmenatation results of the cityscapes dataset

import numpy as np
import os
from PIL import Image



# index: trainId from 0 to 18, 19 semantic class   val: labelIDs
cityscapes_trainIds2labelIds = np.array([7, 8, 11, 12, 13, 17, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 31, 32, 33],
                                        dtype=np.uint8)


def trainIDs2LabelID(trainID_png_dir, save_dir):
    print('save_dir:  ', save_dir)
    if not os.path.exists(save_dir):
        os.makedirs(save_dir)
    png_list = os.listdir(trainID_png_dir)
    for index, png_filename in enumerate(png_list):
        #
        png_path = os.path.join(trainID_png_dir, png_filename)
        # print(png_path)
        print('processing(', index, '/', len(png_list), ') ....')
        image = Image.open(png_path)  # image is a PIL #image
        pngdata = np.array(image)
        trainID = pngdata  # model prediction
        row, col = pngdata.shape
        labelID = np.zeros((row, col), dtype=np.uint8)
        for i in range(row):
            for j in range(col):
                labelID[i][j] = cityscapes_trainIds2labelIds[trainID[i][j]]

        res_path = os.path.join(save_dir, png_filename)
        new_im = Image.fromarray(labelID)
        new_im.save(res_path)


if __name__ == '__main__':
    trainID_png_dir = '../server/cityscapes/predict/'   # 自己的模型跑的test结果的目录
    save_dir = '../server/cityscapes/labelID/'          # 转换为lableID后的存放地址
    trainIDs2LabelID(trainID_png_dir, save_dir)