MaskRcnn(一)数据采集与标注

一、图像采集

1、方案设计

为了让采集的数据更加均衡，更符合实际需求，得先写好采集方案。根据不同需求进行合理安排，比如说如果实际问题遮挡比较严重，就得采集一些遮挡的数据集；如果是要解决小目标实例分割，就得采集包含小目标的图片。里面各个种类图片数量尽量接近，不能出现一种物体采集的很多很多，而某一种只有几张图片。合理的方案才能采集好的数据集。

2、采集过程

采集可以用好一点的摄像头，也可以直接用手机进行拍照，当然也可以直接录制视频，后期把视频逐帧转换为图片就行，图片大小根据需求进行调整，光照条件等其他因素可适当调整，增强数据集的多样性，但也要确保数据集的可靠性。

3、图像命名

同一文件下图像不能重名，可以根据需求进行图像命名，但尽量简单，用数字表示也可以，最简单的命名1，2，3这样的，就是拍一张照累加一，持续命名，而如果需要区分图像中的物体，比如说不同种类苹果，可以把每一个种类用一个编号表示，名字和图像中物体位置对应，这得根据实际需求来进行，主要还是为了后期的标注方便点。

二、数据清理

1、可以删除一些重复度比较高的图片，这个可以肉眼看，也可以自己写个代码判断重复度高不高，去删除，减少一些工作量，一劳永逸，但代码应该不是那么好写。
2、删除那些比较模糊的图片。
3、删除那些不好标注的图片，比如说某物体只露出个边边角角，肉眼都分辨不出那是啥的。
4、删除那些对你的任务没有帮助的图片。

三、数据标注

1、目标检测

推荐labelimg，其实也可以进行Ai标注，比如说我见过的有那个用yolov5训练的coco数据集上的80类的预训练模型进行标注的，不过只限于那车人鸟船啥的，也可以自己先标记一点图片，然后先用目标检测算法训练出一个模型，用这个模型预测下其余图片，生成标签，然后修改标签就是。
labelimg的话好像不用安装，我这给出网盘链接。
链接：https://pan.baidu.com/s/1JQpKDtweweshdZraa9olCw
提取码：03gn
github上可下，很多分享使用教程的。

2、实例分割

labelimg,这个最常见，还有一些在线的标注，这里主要介绍一下labelme。
首先安装Anaconda，可到我这篇博客下载下Anaconda:
https://blog.csdn.net/sjjsbsbbs/article/details/119853477?spm=1001.2014.3001.5501.

准备工作

① 创建一个labelme的虚拟环境

conda create -n Labelme python=3.6

② 进入到该虚拟环境中

activate Mask_Rcnn

③ 安装一些必要的包

pip install pyqt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

pip不行的话可以用conda

conda install pyqt
conda install pillow

④ 安装labelme
可以指定版本安装，老的版本和新的版本有一定的区别，比如说处理后得到的yml文件会不同，有的版本甚至不会生成yml文件。有的版本不太好标同一类的不同实体，而有的比较好标，有的版本所有标签颜色一样，有的五颜六色，好吧，这个不重要。。。
安装指定版本

conda install labelme=3.16.2

安装最新版本

conda install labelme

⑤、开始标注
直接输入:

labelme

就会打开labelme了。

开始标注

① 先打开图片的文件夹，选择那个Open Dir,指定到图像路径就是，这个不像labelimg要指定保存的路径，生成的json文件会保存在图片同一路径，与图片同名不同后缀名。
② 点击Create Polygons进行多边形标注，右键可以换不同图形。

③ 相同类别不同实体的标注，最新版本的当把多边形封闭时会出现标签和id两个框，第一个就是类别，第二个就是这个类别的哪一个实体了

④、一些快捷键
ctrl+s:保存图片
D:下一张图片
A:上一张图片
ctrl+鼠标滚轮:图片缩放
ctrl+D:复制标签
其他的我也不太清楚了，labelimg的w可以新建框，labelme好像不行,反正我这没用。标记完后自动会新建框，得点击Edit Polygons恢复鼠标调整框。