FCN制作自己的数据集，训练，测试

FCN从制作自己的数据集，到训练，测试中间感谢很多朋友的帮助！现在整理出来，希望能帮助到更多的人。以voc_fcn8s为例，详细说明一下整个过程。

制作数据集：

按照voc的数据格式，分为benchmark和VOC2011,benchmark为训练集:VOC2011为测试集，benchmarck在 fcn.berkeleyvision.org/data/sbdd
VOC2011在 fcn.berkeleyvision.org/data/pascal
训练集的原图为.jpg/.png，标签为.mat. 测试集的原图和标签图都是.png/.jpg。这一点，从voc_layer.py中的读取数据的方式可以看出，VOCSegDataLayer()是读取测试集的方法，SBDDSegDataLayer()是读取训练集的方法。为了简单，我们在制作数据集的时候，我们将训练图片和测试图片都准备成图片形式，标签也是索引图。

制作标签：

假如我有两类，背景为0，目标为1，标签图就是单通道的灰度图。其中，背景的灰度值为0，目标的灰度值为1（从0开始，背景为0，连续的灰度值）这样制作完之后，标签图看起来是全黑（8位深），接下来，再将标签图制成索引图，至于什么是索引图，简单来说，就是做了一个map的映射，比如，将我前面设置的灰度值为0的背景，映射成一个自己设置的新的颜色（r,g,b）,将灰度值为1的，映射成一个新的颜色(r,g,b)。索引图形式的label是P格式的，有新颜色的，此时的位深就等于制作索引图事对应了几个颜色，比如我的对应了0,1，此时的位深是1，如果对应了0,1,2,3,4，此时的位深是4。下面的这段代码可以帮助你查看图片的信息，如果输出[0,1]说明制作正确。

import PIL
from PIL import Image
import numpy as np
image = PIL.Image.open('.....图片路径')
print(np.unique(image))

将灰度图转成索引图的代码如下：

# -*- coding: utf-8 -*-
__author__ = 'cheese'

from random import randint
from PIL import Image
import os

'''
根据灰度图的值制作索引图
'''

path  =