自制多分类cityscapes格式数据集用于HRNet网络进行语义分割

！说在前面（原创小文，如有需要请标明转载出处）

语义分割对图像进行分割是基于像素点对其进行分类的，所以我今天要说的分割，用的除了公共数据集之外，我是按照cityscapes数据集的格式进行数据集的制作用于训练。所以，要制作cityscapes格式数据集的话，务必对cityscapes公共数据集进行了解，并且熟知用于训练的图像数据格式，主要强调的是原图像对应的灰度图，这个也是制作数据集的关键。

1. 查看cityscapes格式

import numpy as np
from PIL import Image
img = Image.open（‘***.png’） #图像所在位置
img = np.array(img)
np.unique(img)

标注类别读取结果如下：

2. 数据集制作

首先，标注用的是labele工具，具体可参考：https://github.com/wkentaro/labelme

2.1 数据集的标注

简单标注如下图所示，左边是标注的边缘框架，右边是命名的类别，标注自己想要的类别进行保存即可。

2.2 json文件的转换

json文件进行转换的时候，可以直接在cmd用单个命令直接转，也可以自己写个批量转换的脚本，这个网上也一大堆，在此不做重复。下面这个代码里面对labelme所在文件位置的json_to_dataset.py进行了改进，对标注的类进行了初始化。（记得在代码所在目录建一个文件夹，我的命名是before）

import argparse
import json
import os
import os.path as osp
import warnings
import PIL.Image
import yaml
from labelme import utils
import base64
def main():
    count = os.listdir("./before/")
    for i in range(0, len(count)):
        path = os.path.join("./before", count[i])
        if os.path.isfile(path) and path.endswith('json'):
            data = json.load(open(path))
            if data['imageData']:
                imageData = data['imageData']
            else:
                imagePat