单一化处理
经过labelme标注会生成和图像同样数据的json文件,在json文件下执行单个文件处理的命令
labelme_json_to_dataset ADE_train_00008815.json
会生成四个文件,分别为img.png,label.png,label.names.txt,label_viz.png.如图所示
img.png
label.png
label_viz.png
注意不要认为只需要执行多次上述单个文件处理命令,就可以进行批量处理。同一标签在不同执行过程中会生成不同的颜色,主要原因是单步命令执行时,只按此图像中的标签类别个数进行分配颜色。因此这种方式无法进行批量化处理。
批量化处理
labelme仓库地址:https://github.com/wkentaro/labelme
在examples/semantic_segmentation路径下,可以参考README进行操作批量化处理。
即运行labelme2voc.py,会生成VOC格式文件目录。生成文件在SegmentationClassPNG文件下,保留了可视化比标注图片。
这种处理方式有个问题,是生成的label图像中标签位置的像素值并不是和lable类别名一致。在一些训练过程中,还需要进一步处理。因此可将代码修改如下:
from __future__ import print_function
import argparse<