制作自己的数据集，使用Unet网络训练测试

最近想做基于深度学习的图像分割，于是选择使用Unet进行分割。在整个过程中，从制作数据集，进行训练，完成测试，也是出现了各种问题，在这里记录下整个流程，可能对正在入门的你们会有一点帮助。不过在这么一个小的过程中，还是会有其他各种问题，一定要冷静的去分析，解决。
1、制作数据集：打开Anaconda运行环境（Anaconda Prompt），

在命令行输入labelme,激活标注软件，进行自己数据集的标注。

标记的数据以.json格式存储：
2、mask文件数据的生成：同样在Anaconda命令环境下，cd到.json文件的目录下，运行labelme_json_to_dataset G:\python-test\vocaljson(这个也就是你的json文件目录)。

注意：此时一定要修改D:\ProgramData\Anaconda3\Lib\site-packages\labelme\cli目录下的json_to_dataset.py程序中的path路径。

3、将生成的json文件夹中的label.png提取出来放在一个文件夹中。

这就是制作的mask。
4、接下来就是用unet进行模型的训练和测试。参考代码Unet模型训练
5、在运行过程中会有出现测试结果全黑的情况。对于这个问题，我是修改了epochs更大一些，lr更小1e-8。