Semantic-Segmentation-Suite 自己数据集使用攻略
在网上看到星星超级多的语义分割项目，这个项目可以切换多种网络，十分方便，将使用流程记录在此。
将项目从github上打包下载后，看到CamVid文件夹，这就是我们放数据的地方，其中class_dict为我们放标签及标签像素值的地方。
首先是用labelme制作数据集，labelme的使用方法博客上有很多足够详细的教程，这里讲几个关键步骤。
先归一化图片尺寸，不然图像太大，可能跑不了。
#coding:utf-8
import glob
from PIL import Image
import os
import zipfile
# 获取image文件夹下的图片路径
path = "C:/Users/lenovo/Desktop/数据集demo/png原图/"
# 获取到当前文件的目录，并检查是否有result文件夹，如果没有则创建
# image、result文件夹及该python文件路径均为：D:\PythonSpace\
Newimg_Path = os.getcwd()[:0] + 'C:/Users/lenovo/Desktop/数据集demo/resize 256x256/'
if not os.path.exists(Newimg_Path):
os.makedirs(Newimg_Path)
def changesize(img):
img_name = img
# 打开图片
oldimg = Image.open(path + img_name)
# 大小缩放为64*64
new_img = oldimg.resize((256, 256))
# 以原名称存储图片
new_img.save(Newimg_Path + img_name)
# 压缩文件
def zipImagefile():
# 新建压缩包hahaha.zip，若压缩包已经存在，讲其覆盖
azip = zipfile.ZipFile('hahaha.zip', 'w', zipfile.ZIP_DEFLATED)
# os.walk()递归查找文件夹中的所有内容
for current_path, subfolders, filesname in os.walk(r'D:\PythonSpace\result'):
# filesname是一个列表，我们需要里面的每个文件名和当前路径组合
for file in filesname:
# 将当前路径与当前路径下的文件名组合，就是当前文件的绝对路径
azip.write(os.path.join(current_path, file))
# 关闭资源
azip.close()
# 读取图片及名称
for img in os.listdir(path):
# 不同格式
if (img.endswith('.gif') or img.endswith('.png') or img.endswith('.jpg')):
# 修改图片，存储图片
changesize(img)
# 压缩文件
zipImagefile()
最好排列一下图片
import os
import re
import sys
def renameall():
fileList = os.listdir(r"C:\Users\Administrator\Desktop\stars") #待修改文件夹
print("修改前："+str(fileList)) #输出文件夹中包含的文件
currentpath = os.getcwd() #得到进程当前工作目录
os.chdir(r"C:\Users\Administrator\Desktop\stars") #将当前工作目录修改为待修改文件夹的位置
num=1 #名称变量
for fileName in fileList: #遍历文件夹中所有文件
pat=".+\.(jpg|png|gif)" #匹配文件名正则表达式
pattern = re.findall(pat,fileName) #进行匹配
os.rename(fileName,(str(num)+'.'+pattern[0])) #文件重新命名
num = num+1 #改变编号，继续下一项
print("---------------------------------------------------")
os.chdir(currentpath) #改回程序运行前的工作目录
sys.stdin.flush() #刷新
print("修改后："+str(os.listdir(r"C:\Users\Administrator\Desktop\stars"))) #输出修改后文件夹中包含的文件
renameall()
归一化处理和排序后是这样的
你会发现图像的大小小了很多
标注生成的json文件最好写一个脚本批量生成dataset。（我这里在ubuntu中实现）
num=你自己的数量
for ((i=1;i生成后是这样的
每一个文件夹里面都有5个文件，label.png才是我们所需要的。
值得一提的是，旧版本的labelme生成的看起来全黑的图像，需要借助matlab等来转化和上色处理。
批量提取后是这样的，再根据7:2:1的比例放入Camvid中即可。
至此，这里还有最后一步，就是class_dict文件，前面已经说了，是用来存储标签和rgb像素值的。
这里提供一个打印像素值的代码
from __future__ import print_function
打印像素值
from PIL import Image
f = open("o.txt", 'w+')
im = Image.open('E:\\remote_sensing_image\\seg_train\\train\\label\\13801.png')
rgb_im = im.convert('RGB')
for i in range(256):
for j in range(256):
r, g, b = rgb_im.getpixel((i, j))
print(r, g, b,file=f)
打印完成后，根据r是红,g是绿,b是蓝,推测像素值是哪个标签。
然后更改class_dict如下：
name是labelme标注时的标签，后面是打印出来的像素值。
假如你推断不出来打印出来的像素值或者你想换成你喜欢的颜色，这里提供一个代码，可以更改为你喜欢的颜色（可参照网络上的rgb颜色对照表，找你喜欢的颜色）
import os
from PIL import Image
x = 0
y = 0
img_path = '/media/wang/CCC3-0F06/数据集plus/trainannot'
file_img = sorted(os.listdir(img_path))
for image in file_img:
img_name = str(image)
# img_name = img_name.replace('.png','.jpg') #!!!
img = Image.open(os.path.join(img_path, image))
img = img.convert("RGB")
img_weight = img.size[0]
img_hight = img.size[1]
w_range = range(img_weight)
h_range = range(img_hight)
for x in w_range:
for y in h_range:
pix = img.getpixel((x, y))
if pix == (0, 0, 0): # background
pix = img.putpixel((x, y), (0, 0, 0))
elif pix == (1, 1, 1): # road
pix = img.putpixel((x, y), (0, 255, 0))
elif pix == (2, 2, 2): # grass
pix = img.putpixel((x, y), (144, 228, 144))
elif pix == (3, 3, 3): # fence
pix = img.putpixel((x, y), (255, 255, 0))
elif pix == (4, 4, 4): # stone
pix = img.putpixel((x, y), (255, 0, 0))
elif pix == (5, 5, 5): # pit
pix = img.putpixel((x, y), (30, 144, 255))
img.save("/media/wang/CCC3-0F06/数据集plus/colabel" + img_name)
以我为例，更改成了这样:
训练可参考github上的文档和我的另外一篇博客
https://blog.csdn.net/qq_41833285/article/details/99621101