自定义自己的Tusimple格式数据集

目录

自定义自己的Tusimple格式数据集

一、使用工具

二、使用步骤

1.安装labelme

2.使用labelme标记数据

3.批量使用labelme将json文件转换成可视化的文件

4.将img.png和label.png转换成标准形式

---

 

---

自定义自己的Tusimple格式数据集

 

一、使用工具

labelme

二、使用步骤

1.安装labelme

参考大佬的文章http://yearing1017.cn/2020/05/30/labelme%E7%9A%84%E5%AE%89%E8%A3%85%E5%8F%8A%E4%BD%BF%E7%94%A8/

2.使用labelme标记数据

首先如果是视频数据可以先进行图片的采样，我这里提供一个脚本：

import os 
import cv2
  
videos_src_path = 'videos'#视频文件夹路径
videos_save_path = 'images'#要输出的图片路径
  
videos = os.listdir(videos_src_path)
videos.sort(key=lambda x:int(x[5:-4]))
  
i = 1
  
for each_video in videos:
    if not os.path.exists(videos_save_path ):
        os.mkdir(videos_save_path )
    each_video_save_full_path = videos_save_path+'/'+str(i)+'_'
    each_video_full_path = os.path.join(videos_src_path,each_video)
    cap = cv2.VideoCapture(each_video_full_path)
    frame_count = 1
    frame_clip = 200 #采样的间隔
    success = True

    while(success):
        success,frame = cap.read()
        if success==True:
            if frame_count % frame_clip == 1:
                if frame.shape[1]!=1280:
                    frame = cv2.resize(frame, (1280,720))
                cv2.imwrite(each_video_save_full_path + "frame%d.jpg" % frame_count,frame)
            frame_count = frame_count + 1
        #success = False
    i = i + 1

    cap.release()

使用折线标记，画线，并为每条线赋不同的标签值，注意标记对应的颜色，后面会用到。

示例如下

---

3.批量使用labelme将json文件转换成可视化的文件

这里使用python脚本实现

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import os
 
 
if __name__ == '__main__':
    for scan_dir in ['testimagelabel']:#这里写自己的图片的路径
        json_data = scan_dir
        for name in os.listdir(json_data):
            file_path = os.path.join(json_data, name)
            os.system(str("labelme_json_to_dataset " + file_path))
            print("success json to dataset: ", file_path)

效果如下图所示 

内部的细节为：

 其中我们主要用到的是img.png和label.png.

4.将img.png和label.png转换成标准形式

import cv2
from skimage import measure, color
from skimage.measure import regionprops
import numpy as np
import os
import copy

def replace_color(img, src_clr, dst_clr):
    ''' 通过矩阵操作颜色替换程序
    @param  img:    图像矩阵
    @param  src_clr:    需要替换的颜色(r,g,b)
    @param  dst_clr:    目标颜色        (r,g,b)
    @return             替换后的图像矩阵
    '''
    img_arr = np.asarray(img, dtype=np.double)

    r_img = img_arr[:,:,0].copy()
    g_img = img_arr[:,:,1].copy()
    b_img = img_arr[:,:,2].copy()

    img = r_img * 256 * 256 + g_img * 256 + b_img
    src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2] #编码

    r_img[img == src_color] = dst_clr[0]
    g_img[img == src_color] = dst_clr[1]
    b_img[img == src_color] = dst_clr[2]

    dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)
    dst_img = dst_img.transpose(1,2,0)

    return dst_img

def skimageFilter(gray):#根据标签颜色，标准化标签如:
 
    binary_warped = copy.copy(gray)
    #binary_warped[binary_warped > 0.1] = 255
    binary_warped = replace_color(binary_warped,(128,0,0),(1,1,1))#红色是1
    binary_warped = replace_color(binary_warped,(0,128,0),(2,2,2))#绿色是2
    binary_warped = replace_color(binary_warped,(0,128,128),(3,3,3))#黄色是3
    binary_warped = replace_color(binary_warped,(0,0,128),(4,4,4))#蓝色是4
 
    return binary_warped
 
 
def moveImageTodir(path,targetPath,name):
    if os.path.isdir(path):
        image_name = "gt_image/"+str(name)+".png"#原图
        binary_name = "gt_binary_image/"+str(name)+".png"#标签图
 
        train_rows = image_name + " " + binary_name + " " + "1 1 1 1" + "\n"#数据标注内容，可自定义
 
        origin_img = cv2.imread(path+"/img.png")
        origin_img = cv2.resize(origin_img, (1280,720))
        cv2.imwrite(targetPath+"/"+image_name, origin_img)
        img = cv2.imread(path+'/label.png')
        img = cv2.resize(img, (1280,720))
        #gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        binary_warped = skimageFilter(img)
        binary_warped=cv2.cvtColor(binary_warped,cv2.COLOR_BGR2GRAY)
        cv2.imwrite(targetPath+"/"+binary_name, binary_warped)
        print("success create data name is : ", train_rows)
        return train_rows
    return None
 
 
 
if __name__ == "__main__":
    #ep = "D:/File/Winscp/20.png"
    #img = cv2.imread(ep)
    #getimagelabel(img)
    count = 1
    with open("E:/datasets/testdataset/train.txt", 'w+') as file:

        dir_name = "testimagelabel"#os.path.join("./images", images_dir + "/annotations")#上一个生成的文件目录，即保存转换好的标签的目录    
        for annotations_dir in os.listdir(dir_name):
            json_dir = os.path.join(dir_name, annotations_dir)
            if os.path.isdir(json_dir):
                train_rows = moveImageTodir(json_dir, "E:/datasets/testdataset", str(count).zfill(4))
                file.write(train_rows)
                count += 1

ok 现在可以开始训练了