Pascal VOC 2012的语义分割类标签为什么是彩色

最新推荐文章于 2023-01-20 02:18:42 发布
最新推荐文章于 2023-01-20 02:18:42 发布
阅读量905 收藏 5
点赞数 1
分类专栏： 机器学习入门 文章标签： cv 深度学习 语义分割 Pascal VOC2012
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tiaochewang219/article/details/116948303
版权

相信很多人应该有这个疑问吧——Pascal VOC 2012的语义分割类标签的取值明明是0——20以及255的纯白色，为什么我们打开却是彩色图片呢？
其实答案很简单的，VOC数据集的标签的模式是"P"模式，什么？图片还有模式？不是向"RGB"图像那样读取出来是多少就是多少吗?
在这里插入图片描述
看到这里的"P"模式了吗，虽然他是8位像素，但是他可以映射到其他任何模式，VOC是映射到的"RGB"彩色模式，因此他可以将本是灰色的图像呈现为彩色，而我们使用benmark_RELEASE扩展名数据集制作标签时，默认保存的是"L"模式，也就是真正的灰度图像，打开一张自己制作的标签，发现全是黑色，其实是我们肉眼分辩不出罢了，1和2用"L"模式存储时几乎全黑，看不出差别！！！

再进步一点点
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
PASCAL-VOC2012数据集及其增强版本的处理问题
12-21
本篇主要总结语义分割处理PASCAL-VOC2012数据集以及遇到的问题（axis 2 is out of bounds for array of dimension 0） 处理数据集主要参考该博客 https://blog.csdn.net/pangyunsheng/article/details/87360238 在将原始pascal voc 2012数据集中label的三通道RGB图像，转化为8-bit的灰度png图像时使用官方代码时 ` def convert_from_color_segmentation(arr_3d): arr_2d = np.zeros((arr_3d.sh
图像处理基本库的学习笔记5--公共数据集，PASCAL VOC数据集，NYUD V2数据集的简介与提取，COCO2017，医学影像数据集汇总
03-01 5843
公共数据集 《基于全卷积神经网络的图像分割算法的研究及应用》 实验数据：本章节的公共数据集来源自计算机视觉领域的 PASCAL VOC 2012、NYUDv2、PASCAL CONTEXT，医学数据集来自法国 IRCAD 国际医疗中心数据库中的肝脏 CT 扫描图像。 本节按照 4：1 的比例将两个数据集分别划分成训练和测试两部分。在算法中，就会使用训练那部分完成算法网络模型的构建，在训练的过程中，...
目标检测数据集PASCAL VOC简介
generalsong的博客
09-08 3012
https://arleyzhang.github.io/articles/1dc20586/ 简介 PASCAL VOC挑战赛 （ThePASCALVisual Object Classes ）是一个世界级的计算机视觉挑战赛,PASCAL全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。 很多优秀的计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL...
关于FCN的数据集着色说明
生如蚁，美如神
12-04 4272
前方我们讲解了《 FCN-数据篇》。里面包含了如何制作类似pascal voc的label。很大篇幅在谈如何着色，如何转化为索引图像。 由于一些内容参考网上的资料，所以对里面的一些操作含义也有些糊涂。 其实网上的东西也不都对，很多人云亦云。所以需要我们仔细甄别。 其中我就发现了一个错误。我们来从头谈起。 pascal voc数据集 当我们从网上下载pascal voc2012的数据集，会发现S
位深度为8的PNG图像可以表示彩色数据的原因
wzw12315的专栏
08-06 2068
搞图像分割是时候使用到PASCAL-VOC数据集，在查看mask时候发现png图像是彩色的， 但是查看图像属性的时候发现图像的位深度是8，一下子有点蒙： 度娘，谷娘，...... 索引图，就是带调色盘（palette），调色盘内定义了若干颜色。8位深度，是指在8位索引图下，调色盘最大颜色数为8位，也就是256色，然后每个像素用1个字节表示该像素为第几个颜色，显示图像时查表得到对应的颜色。 PNG支持索引图 , ...
labelme2voc制作voc数据集改变颜色，如黑白单类别分割
Alocus的博客
01-20 803
labelme2voc.py生成voc数据集指定填充的颜色，默认情况下生成二值图是黑红色，如何改成黑白色呢？
基于parcal voc2012数据集的图像多标签分类实战
yanchujian88的博客
02-27 2030
上一篇文章中讲到如何将pascal voc2012数据集xml文件中的标签属性提取出来，本篇文章啊将会利用resnet相关网络实现多标签分类。 首先利用的相关代码为 https://github.com/AI-Chen/MultiLabelClassification，其中修改了src\Utils.py中的MyDataLoader的代码： class MyDataLoader(data.Dataset): def __init__(self, transform, trainval='train',
将纯黑的arcgis语义分割标签（单类别）（tif、png格式）转为黑白
lrx6666666的博客
10-06 1719
做建筑物分割，用arcgis做出来的标签（tif）为纯黑，转为png格式后也是纯黑，虽然在arcgis中可以正常显示，且不影响模型训练，但是的确有那么点不好看，参考其他数据集，单类别表标签均为黑白二值图（0/255）。arcgis做的标签为纯黑的原因是他的像素背景是0，目标是0-1，因此肉眼看不出来，故将目标0-1重新赋值为255即可。我是重新进行了二值化，用的标签格式为.png。
语义分割数据集.zip
12-16
pascalVoc数据集baidupan
pascal voc 2012提取某一类的图片
06-11
pascal voc 2012提取某一类的图片，例子中提取的牛这一类，新手上路，请多指教。
pascalvoc2012数据集下载链接.txt
07-05
pascal voc2012 train 和test 官网数据集下载真的很慢。这里提供百度网盘下载链接，保证可用!
segmentation-benchmark:图像分割基准（PASCAL VOC 2012）
03-16
图像分割基准 安装 安装所有需要的软件包/库 pip install -r ...python3 bench_PASCALVOC.py --model [fcn_resnet50, fcn_resnet101, deeplabv3_resnet50, deeplabv3_resnet101, deeplabv3_mobilenet_v3_larg
Pascal voc2012数据集的info.json文件
01-08
Pascal voc2012数据集的info.json文件，用于对各类别的mIoU的计算
Solving environment: failed with initial frozen solve. Retrying with flexible solve的解决
热门推荐
tiaochewang219的博客
08-17 3万+
今天使用conda安装PyTorch出现了错误，在此记录。 conda有了新的版本，让我更新，我先是没有管他。 然后进入PyTorch官网下载，速度极其慢，于是终止下载。 随后我更新了一下conda，最新版本4.8.4 又转用国内的清华开源镜像下载PyTorch，然后就发现标题的错误。 使用清华镜像需要设置下下载源，在Anaconda Prompt中输入以下 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/p
如何理解过拟合=高方差、欠拟合=高偏差
tiaochewang219的博客
07-28 4955
欠拟合=高偏差还好理解一些，一直不太明白过拟合和高方差有什么关系，那么我们首先就要理解各种 ‘差’ 的定义 定义： 我们评价一个模型好不好，是通过测试集的数据来评价的，而不是训练集或者交叉验证集，如果在测试集上预测数据表现得不好，那么我们就说这个训练出来的模型有很大的误差。 那么误差来自于哪里呢？ 误差 = 偏差 + 方差 在不写出这个式子时，很多人可能不会察觉误差和偏差有什么区别？因此总是想当然的认为误差和偏差是一个东西，这样就会造成我们无法理解方差是什么？ 误差：在测试集上，预测值和实际值之间存在的差距
Python、Conda、PyCharm入门踩坑系列
tiaochewang219的博客
07-12 1206
今日踩坑 1. PyCharm工程的virtualenv Environment和Conda Environment有什么关系？ 这个问题困扰了我很久，现在也并没有完全搞清楚，经过实验得出结论，conda创建虚拟环境存在于conda安装包下的envs文件夹下，virtualenv的虚拟环境则在工程文件下的vnev文件下，virtualenv 创建的虚拟环境需要用到Python解释器，可以使用conda虚拟环境中的解释器或者是Python官网解释器。 另外在创建virtualenv 虚拟环境的过程中遇到一个
Linux服务器用后台跑程序（Screen）
tiaochewang219的博客
11-25 1115
最近感情上受到些挫折，近三个月没有写博客了，不管怎样都还是要努力的嘛，继续加油！ 最近用实验室的Linux服务器跑程序，需要挂校园vpn才能连接（虽然有校园流量，但是只有3G，而且价格太坑了！！！），然后校园网的vpn经常会在你长时间不操作以后就给你断掉，导致我在服务器上跑的程序，基本上半小时就自动断了！！！查阅资料后，发现可以使用Linux后台跑程序，这样就不用担心你的程序会随着vpn断掉而终止了。 Linux前台进程和后台进程： 和终端无关的进程一定是后台进程，比如很多系统进程，用户一般感觉不到它
记录机器学习练习中不懂的函数
tiaochewang219的博客
07-31 609
该文章目的： 记录自己在做机器学习练习题中遇到的陌生函数的用法，也包括经常会忘记的函数，后续会一直在这篇文章中增加！ヾ(◍°∇°◍)ﾉﾞ 该文章涉及的函数包有python、numpy、pandas、matplotlib、seaborn、scipy、sklearn pandas中apply()函数的用法 DataFrame.apply(func,axis=0,broadcast=False,raw=False.reduce=None,args=(),**kwds) 该函数最有用的参数是第一个，func
什么是评价pascal voc2012分割数据集好坏的指标
最新发布
03-31
评价Pascal VOC2012分割数据集好坏的指标通常包括以下几个： 1. Mean Intersection over Union (mIoU)，即平均交并比。mIoU是最常用的指标之一，它衡量了预测的分割掩码与真实分割掩码之间的重叠程度。mIoU越高，说明分割结果越准确。 2. Pixel Accuracy，即像素准确度。Pixel Accuracy是指预测结果中正确分类的像素数占总像素数的比例。Pixel Accuracy越高，说明分割结果越准确。 3. Class Accuracy，即类别准确度。Class Accuracy是指每个类别中正确分类的像素数占该类别总像素数的比例。Class Accuracy越高，说明对该类别的分割结果越准确。 4. Boundary Accuracy，即边界准确度。Boundary Accuracy是指预测结果中正确分类的边界像素数占总边界像素数的比例。Boundary Accuracy越高，说明分割结果的边界越准确。 5. F1 Score，即F1分数。F1 Score是精确度（Precision）和召回率（Recall）的调和平均值。F1 Score越高，说明分割结果的准确率和召回率都较高。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值