mask_rcnn 训练自己数据——收集资料

mask_rcnn 训练自己数据

欢迎使用Markdown编辑器

主要参考及工具

基于Mask RCNN开源项目：https://github.com/matterport/Mask_RCNN
图片标记工具基于开源项目：https://github.com/wkentaro/labelme

有关mask-rcnn和Faster RCNN算法可以参考：
https://blog.csdn.net/linolzhang/article/details/71774168
https://blog.csdn.net/lk123400/article/details/54343550/

新的改变

准备训练数据集

1. 原图数据集（训练数据，测试数据）
2. 用Labelme对数据集进行 标注，得到 .json 格式的数据， 在标注完保存后会为每张RGB图生成一个.json的标注文件，最后得到的所有的标注文件如下
   
3. Labelme数据集到COCO数据集的转化。 .json 数据格式转换，生成 img, info.yaml, label ,label_names , label_viz五个文件，。（这个是处理.json文件后产生的数据，使用方法为labelme_json_to_dataset+空格+文件名称.json，这个前提是labelme要准确安装并激活。但是这样会产生一个问题，对多幅图像这样处理，太麻烦，在这里提供一个工具，可以直接在.json文件目录下转换所有的json文件，链接：json数据转换工具 。
   转化工具 ：https://download.csdn.net/download/u014525760/10348022
4. 转化label.png为可用格式
   由于labelme生成的掩码标签 label.png为16位存储，opencv默认读取8位，需要将16位转8位，可通过C++程序转化，代码参考这篇博:http://blog.csdn.net/l297969586/article/details/79154150