将自己的数据制作成cityscape格式

GitHub上很多语义分割的项目都使用了cityscape数据集，在训练自己的数据时，不想改太多代码，需要将自己的标签数据转换成cityscape格式.

1. cityscape标签数据格式

cityscape标签数据是单通道的灰度图像，第n类目标的像素灰度值为n;
cityscape有自己的标注软件， cityscape使用笔记，我没有使用；

2. 生成自己的数据

我是使用labelme打的语义分割标签；
labelme安装、使用、标签指定颜色
在制定颜色时，将其中一个通道®的灰度值设置为类值n，
lable.py
json文件夹里label.png的R通道就是需要的gtFine标签图像；
标签图像、.json文件和生成的json文件夹都在2020文件夹里

# gtFine_labelIds.py'''
将color.png =>  gtFine_labelIds.png
单通道，灰度值0-n， n为类别
labelme json文件处理生成的label.png R通道的像素灰度值对应类别n
直接取R通道的图像作为gtFine
'''import os
import cv2json_path = './2020-6-11_11_5'
for root, dirs, files in os.walk(json_path):for file in files:if file.strip() == "label.png":file_path = os.path.join(root, file)src_image_path = os.path.join(root, 'img.png')image = cv2.imread(file_path)src = cv2.imread(src_image_path)file_name = os.path.split(root)[-1]file_name = file_name.split('_')[0] + '.png'# label处理  直接取R通道的图像就是gtFineB, G, R = cv2.split(image)# R = R.astype('uint8')# print(thresh)path = os.path.join(os.path.abspath('.'), 'gtFine')if not os.path.exists(path):os.makedirs(path)# print(path)labelId_image = os.path.join(path, file_name.split('.')[0] + '_gtFine_labelIds.' + file_name.split('.')[-1])print(labelId_image)cv2.imwrite(labelId_image, R)src_image_path = os.path.join(os.path.abspath('.'), 'leftImg8bit')if not os.path.exists(src_image_path):os.makedirs(src_image_path)src_image = os.path.join(src_image_path, file_name)cv2.imwrite(src_image, src)# 显示R = R * 100cv2.imshow('label', R)cv2.waitKey(1)print(file_name)

生成train、val、test文件夹

# train_val.py'''
将数据分为train val
'''import os
import random
import shutiltotal_list = []
train_list = []
val_list = []
test_list = []image_path = './leftImg8bit'
label_path = './gtFine'# 清空
for dir in ['train', 'val', 'test']:image_dir = os.path.join(image_path, dir)label_dir = os.path.join(label_path, dir)if os.path.exists(image_dir):shutil.rmtree(image_dir)os.makedirs(image_dir)if os.path.exists(label_dir):shutil.rmtree(label_dir)os.makedirs(label_dir)for root, dirs, files in os.walk(image_path):for file in files:if file.endswith('png'):total_list.append(file)total_size = len(total_list)
train_size = int(total_size * 0.7)
val_size = int(total_size * 0.2)train_list = random.sample(total_list, train_size)
remain_list = list(set(total_list) - set(train_list))
val_list = random.sample(remain_list, val_size)
test_list = list(set(remain_list) - set(val_list))print(len(total_list))
print(len(train_list))
print(len(val_list))
print(len(test_list))image_path = './leftImg8bit'
label_path = './gtFine'# 清空
for dir in ['train', 'val', 'test']:image_dir = os.path.join(image_path, dir)label_dir = os.path.join(label_path, dir)if os.path.exists(image_dir):shutil.rmtree(image_dir)os.makedirs(image_dir)if os.path.exists(label_dir):shutil.rmtree(label_dir)os.makedirs(label_dir)for file in total_list:image_path_0 = os.path.join(image_path, file)label_file = file.split('.')[0] + '_gtFine_labelIds' + '.png'label_path_0 = os.path.join(label_path, label_file)if file in train_list:image_path_1 = os.path.join(image_path, 'train', file)shutil.move(image_path_0, image_path_1)label_path_1 = os.path.join(label_path, 'train', label_file)shutil.move(label_path_0, label_path_1)elif file in val_list:image_path_1 = os.path.join(image_path, 'val', file)shutil.move(image_path_0, image_path_1)label_path_1 = os.path.join(label_path, 'val', label_file)shutil.move(label_path_0, label_path_1)elif file in test_list:image_path_1 = os.path.join(image_path, 'test', file)shutil.move(image_path_0, image_path_1)label_path_1 = os.path.join(label_path, 'test', label_file)shutil.move(label_path_0, label_path_1)

还可能需要crop

# crop.py
'''
将1280×720
=》1280×704
'''
import cv2
import os
import shutilimage_path = './leftImg8bit'
label_path = './gtFine'print("processing")
for root, dirs, files in os.walk(image_path):for file in files:if file.endswith('.png'):image_name = os.path.join(root, file)image = cv2.imread(image_name, -1)crop_image = image[:704, :, :]os.remove(image_name)cv2.imwrite(image_name, crop_image)# cv2.imshow("crop_image", crop_image)# cv2.waitKey(0)for root, dirs, files in os.walk(label_path):for file in files:if file.endswith('.png'):image_name = os.path.join(root, file)image = cv2.imread(image_name, -1)crop_image = image[:704, :]os.remove(image_name)cv2.imwrite(image_name, crop_image)print("processing")# cv2.imshow("crop_image", crop_image)# cv2.waitKey(0)

将自己的数据制作成cityscape格式相关推荐

把数据库中的数据制作成Excel数据
把数据库中的数据制作成Excel数据如果我们在使用Excel的时候,需要把数据库中的数据制作成Excel数据透视表,我们该怎么操作呢?如果数据在数据库中,我们不用把数据导入到工作表中,我们可以直接以 ...
mysql 数据透视_把数据库中的数据制作成Excel数据透视表
如果我们在使用Excel的时候,需要把数据库中的数据制作成Excel数据透视表,我们该怎么操作呢?如果数据在数据库中,我们不用把数据导入到工作表中,我们可以直接以数据库的全部数据或者部分数据制作数据透 ...
用UltraISO把硬盘文件制作成ISO格式
转自:https://wenku.baidu.com/view/0052c88dcc22bcd126ff0cbf.html 用UltraISO把硬盘文件制作成ISO格式方法: 制作硬盘ISO文件步骤一 ...
把txt格式数据制作成xml数据
txt格式数据: 代码: s1=""" <object><name>{0}</name><pose>Unspecified ...
将自己的dcm数据制作成LUNA16数据集提供数据样式之代码整理
1.获取mhd和raw import cv2 import os import pydicom import numpy import SimpleITK# 路径和列表声明 rootpath=&quo ...
将自己的dcm数据制作成LUNA16数据集提供数据样式。
1.先说下luna数据样式.一个CT序列在LUNA16数据集主要是由一个mhd文件一个raw文件以及一个或多个csv文件(以一个为例不做那么多区分(3mm以下不做处理等)).以下为LUNA16数据集的 ...
springboot 后台把数据制作成excel表格并打成压缩包下载
项目里面遇到要把数据做成资料卡片,然后写入单独的excel文件,之后打成压缩包下载.这个过程记录一下,希望对大家有用. 1.在controller里面开个口子,接收客户端的请求.由于vue里面用了do ...
简单几步，将官方的Java API文档制作成chm格式文件！
CHM格式的Java API 长什么样? 如何制作进入Oracle官网下载Java API文档将下载后的文档解压如下使用CHMWriter制作双击"CHMWriter.exe&quo ...
shell脚本将mysql数据库中查询结果导出制作成.CSV格式文件；或.txt/.log文件
#第一种方法在命令行中直接执行下面代码(.log可替换为其他格式文件) mysql -hlocalhost -P3306 -uroot -p1234 -e"select * from dem ...
用JPG转PDF转换器把图片制作成PDF格式文档
我们都有这样一个想法,如果能将姥爷姥姥那一代的相册与爸爸妈妈以及我们合在一起,制成一个4680影集该是多么开心的事.要实现这个想法并不困难,21世纪信息化的时代给我们一个明确的答案, JPG转换成PD ...

将自己的数据制作成cityscape格式

1. cityscape标签数据格式

2. 生成自己的数据

将自己的数据制作成cityscape格式相关推荐

最新文章

热门文章