labelme maskrcnn 批量_Mask-Rcnn数据标注最详细教程（labelme版）

Mask-Rcnn数据标注最详细教程(labelme版)

摘要

你好！ 本文将从数据标注开始，详解每一步直至成功训练自己得Mask-Rcnn模型。

1.数据集制作

本文选择labelme软件进行数据集的标注工作，labelme下载链接如下：

链接: link.

1. labelme的安装及使用

labelme的安装及使用很简单，可参考下面的链接：

链接: link.

2.标注图片及批量转换

标注好的每个数据会有一个对应的json文件，如下图所示

Mask-Rcnn训练集需要的文件就由上面的json文件转换得到，首先找到你的labelme安装路径，例如我是在Anaconda中安装的，那么我的操作路径就是C:\PersonalApp\Anaconda3\Scripts，该路径根据个人实际情况进行修改，键盘输入win+r，进入运行，输入cmd后点击回车进入命令行模式，如下图所示：

此时输入cd C:\PersonalApp\Anaconda3\Scripts，进入该文件夹，需要用到该文件夹中的labelme_json_to_dataset.exe文件，在命令行输入labelme_json_to_dataset .json，即可生成所需的五个文件，如下图所示：

生成的这五个文件中最重要的就是其中的labelme.png文件，很多Mask-Rcnn的文章都将其转为8位深度图片，但是注意当前版本的labelme生成的label.png本身就是8位的，不需要转换，这是数据制作中最重要的一步，一定注意，图片深度可鼠标右键查看属性的详细信息，如下图所示：

上述命令行可以转换一张图片和相应的json文件，但是我们在制作训练集时，逐张转换实在过于繁琐，本文使用一种批量转换json文件的方法。首先找到安装路径的Lib文件夹，如我的就是C:\PersonalApp\Anaconda3，进入其中的site-packages文件夹，找到其中的labelme文件夹，进入cli文件夹找到json_to_dataset.py文件，修改该文件为：

(其中路径改为自己的json文件路径)

// json_to_dataset.py

import argparse

import base64

import json

import os

import os.path as osp

import warnings

import PIL.Image

import yaml

from labelme import utils

###############################################增加的语句,改下路径即可##############################

import glob

json_list = glob.glob(os.path.join('C://UsersDesktop//1','*.json'))

############################################### end ##################################

def main():

# warnings.warn("This script is aimed to demonstrate how to convert the\n"

# "JSON file to a single image dataset, and not to handle\n"

# "multiple JSON files to generate a real-use dataset.")

parser = argparse.ArgumentParser()

############################################### 删除的语句 ##################################

# parser.add_argument('json_file')

# json_file = args.json_file

############################################### end ##################################

parser.add_argument('-o', '--out', default=None)

args = parser.parse_args()

###############################################增加的语句##################################

for json_file in json_list:

############################################### end ##################################

if args.out is None:

out_dir = osp.basename(json_file).replace('.', '_')

out_dir = osp.join(osp.dirname(json_file), out_dir)

else:

out_dir = args.out

if not osp.exists(out_dir):

os.mkdir(out_dir)

data = json.load(open(json_file))

if data['imageData']:

imageData = data['imageData']

else:

imagePath = os.path.join(os.path.dirname(json_file), data['imagePath'])

with open(imagePath, 'rb') as f:

imageData = f.read()

imageData = base64.b64encode(imageData).decode('utf-8')

img = utils.img_b64_to_arr(imageData)

label_name_to_value = {'_background_': 0}

for shape in data['shapes']:

label_name = shape['label']

if label_name in label_name_to_value:

label_value = label_name_to_value[label_name]

else:

label_value = len(label_name_to_value)

label_name_to_value[label_name] = label_value

# lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)

#

# label_names = [None] * (max(label_name_to_value.values()) + 1)

# for name, value in label_name_to_value.items():

# label_names[value] = name

# lbl_viz = utils.draw_label(lbl, img, label_names)

# label_values must be dense

label_values, label_names = [], []

for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]):

label_values.append(lv)

label_names.append(ln)

assert label_values == list(range(len(label_values)))

lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)

captions = ['{}: {}'.format(lv, ln)

for ln, lv in label_name_to_value.items()]

lbl_viz = utils.draw_label(lbl, img, captions)

PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))

utils.lblsave(osp.join(out_dir, 'label.png'), lbl)

PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))

with open(osp.join(out_dir, 'label_names.txt'), 'w') as f:

for lbl_name in label_names:

f.write(lbl_name + '\n')

warnings.warn('info.yaml is being replaced by label_names.txt')

info = dict(label_names=label_names)

with open(osp.join(out_dir, 'info.yaml'), 'w') as f:

yaml.safe_dump(info, f, default_flow_style=False)

print('Saved to: %s' % out_dir)

if __name__ == '__main__':

main()

当然，也可以直接下载后替换即可(其中路径改为自己的json文件路径)，连接如下：

链接: link.

替换后打开json_to_dataset.py文件，直接执行即可，相应文件夹会批量转换，如下图所示：

至此，Mask-Rcnn数据制作基本完成，后面只需要将转换后的文件分配到相应文件夹即可。

标签：name,Mask,value,label,json,Rcnn,labelme,out

来源： https://blog.csdn.net/qq_26850561/article/details/100728042