制作自己的语义分割数据集（VOC）

制作自己的语义分割数据集（VOC）

记小孟的艰难项目探险之第一关，数据集
step1：安装labelme
使用anaconda安装，打开anaconda prompt

conda create --name=labelme python=3.6 #创建虚拟环境<labelme>，python版本3.6（可选）
activate labelme # 激活环境
pip install pyqt5 #安装依赖包
pip labelme # 安装主角
labelme # 打开labelme可以开始标注了

以后每一次使用labelme都可以通过annaconda激活labelme环境打开，如图

step2:标注图片。生成json文件
file -> open Dir # 打开待标注图片路径
file ->save automatically #为了方便，设置自动保存
file -> change output dir #设置输出路径，即json文件保存的路径

step3：json转voc，1v1转换（批量转换找了很多参考，一直没成功，以后有时间再研究）
使用labelme自带的labelme_json_to_dataset.exe，位置在C:\Users\studio\Anaconda3\envs\labelme\Scripts
转换语法为

python labelme_json_to_dataset.exe D:/1.json

其中，D:/1.json是标签文件的绝对路径，该语法实现的结果会在1.json文件的同一文件夹内生成新的文件夹1_json，里面存储着有关1.json的相关原图以及标签文件，如图

step4：数据量够的情况下就可以分装文件夹了，voc文件结构如图所示，JPEGImages装的是原图，SegmentationClass装标签文件，ImageSets/Segmentation文件装txt文件，训练时需要用

step5：however，大多数实际情况下，样本量是大问题，不能达到训练量，就需要数据增强，多采用python的数据增强库Augmentor，或者PIL。我还要接着学。