maskrcnn-benchmark训练自己数据集用于视觉分割

loong_XL

已于 2023-11-02 14:40:07 修改

阅读量1.3w

点赞数 13

分类专栏：深度学习文章标签：分割 cnn

于 2019-06-23 11:15:50 首次发布

本文链接：https://blog.csdn.net/weixin_42357472/article/details/93378834

版权

深度学习专栏收录该内容

276 篇文章 140 订阅 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何使用maskrcnn-benchmark库训练自己的数据集进行视觉分割任务。首先，利用labelme在Ubuntu环境下标记数据，然后将数据转化为COCO格式。接着，在maskrcnn-benchmark项目中创建datasets目录并按照COCO结构组织数据。配置文件包括修改e2e_mask_rcnn_R_101_FPN_1x.yaml、defaults.py和paths_catalog.py以适应自定义数据。完成配置后，可以开始训练和验证。预测阶段需更新权重文件和COCODemo的分类设置，并编写预测代码。

摘要由CSDN通过智能技术生成

1、标记数据用labelme，建议用ubuntu版本去做，因为window可能因为这个需要环境改变影响其他，自己犯过这个问题
https://github.com/wkentaro/labelme
在这里插入图片描述
2、labelme转化成coco数据集用于分割任务
labelme2coco.py进行转化

# -*- coding:utf-8 -*-

import argparse
import json
import matplotlib.pyplot as plt
import skimage.io as io
# import cv2
from labelme import utils
import numpy as np
import glob
import PIL.Image


class MyEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, np.integer):
            return int(obj)
        elif isinstance(obj, np.floating):
            return float(obj)
        elif isinstance(obj, np.ndarray):
            return obj.tolist()
        el