【学习笔记】使用Tensorflow版ENet训练自己的数据集&labelme生成灰度标签图片问题

使用的代码：kwotsin所写的Tensorflow版，180星

记录一下训练的过程，方便以后翻阅。

首先是数据集的准备，数据集的文件夹结构为：

├── test
├── testannot
├── train
├── trainannot
├── val
└── valannot

由上到下分别是测试集、测试集标签、训练集、训练集标签、验证集、验证集标签。

我的数据集为640*480的图片，1800张用于训练，74张用于验证，对应的标签（label）图片为灰度图，使用labelme标注的json文件得到。

这里要特别说明一下，json文件需要解析之后才能得到我们的标签图片，我使用了网上的几个脚本，都存在不同图片中相同的分类对应的序号不同，比如我的数据集中，道路类在第一张图中是2，第二张图中变成了3，这就导致训练的时候会造成神经网络产生困扰，无法有效的学习到特征。因此我使用了labelme作者的脚本，labelme2voc.py，是生成voc数据集格式的脚本，其中的label图可以保证每一类的编号都是统一的。但是这个脚本转换完成的label图却是8-bit的RGB图，是无法直接使用这个版本的ENet进行训练的，否则会遇到问题：