语义分割
文章平均质量分 59
语义分割学习笔记
黑夜寻白天
嘻嘻 你想要知道什么呀
展开
-
半自动标注(使用自己的分割或检测模型推理完得到的矩阵再生成json文件)
都知道标注很麻烦、很累,不然先训练一批,然后推理得到它的掩码图,先生成自动标注,再人工手动修改也许会快很多。原创 2024-05-15 15:23:39 · 253 阅读 · 7 评论 -
语义分割之使用自己的代码进行数据增强(labelme的json文件)
注释掉的部分 是对json文件的修改 如果大家想顺便修改json文件就将注释给删去。网上的包,写着写着,就不耐烦了,还是自己写吧。没时间优化 凑合着用 哈哈哈。原创 2024-05-09 11:40:14 · 485 阅读 · 0 评论 -
labelme之批量生成掩码图(复制代码直接可用)
当你看到这篇文章的时候,说明你在面临着标数据,这个巨烦的工作啦,我表示我懂,很难受。然后labelme又不支持批量转换的,看网上的教程好多说要找到labelme的某个文件呀,然后在复制粘贴上去呀,在用命令行生成json文件夹的,老麻烦了,虽然我以前就是这么干的,但是干着干着就想偷懒了,所以自己翻看了labelme的代码,抽取出来用,自己用程序一步到位。原创 2024-02-01 18:40:20 · 787 阅读 · 3 评论 -
语义分割之Unet
随着计算机视觉技术的不断发展,图像分割已经成为了计算机视觉领域的一个重要研究方向。在众多的图像分割算法中,语义分割作为一种能够对图像中的每个像素进行分类的方法,具有很高的实用价值。近年来,基于深度学习的语义分割方法取得了显著的成果,其中Unet网络作为一种特殊的卷积神经网络结构,在语义分割任务中表现出了优越的性能。原创 2023-12-07 11:10:55 · 1051 阅读 · 0 评论 -
语义分割之对于使用Augmentor模块进行数据增强后png图片以及掩码图片进行对应命名以及批量修改图片
进行语义分割 但数据量又不是很大的时候,进行数据增强是一个不错的选择在语义分割中可以使用Augmentor进行数据增强(这里就不对Augmentor进行介绍啦,可以在网上搜搜,很多很快就能上手)在增强之后Augmentor会将被操作后的图片以及掩码图片输出在同一个位置,并且进行有规律的命名。原创 2023-06-29 15:04:32 · 609 阅读 · 1 评论 -
语义分割训练数据集之提取文件夹下的图片、修改文件夹下的图片属性
笔者在使用labelme标注完数据且修改为json_to_dataset.py文件后执行json_to_dataset.exe生成了许多文件夹,如图1而每个小文件夹又包含了关于原图的png文件以及掩码图片label.png笔者想要生成的是VOCdevkit数据集,需要将原图放进JPEGImages文件以及将掩码图片放入SegmentationClass文件。原创 2023-06-29 14:45:08 · 191 阅读 · 1 评论