mmsegmention数据集存放格式(三)
目录
1、准备数据集
2、支持数据集
2.1、Cityscapes
2.2、Pascal VOC
2.3、ADE20K
2.4、Pascal Context
2.5、CHASE DB1
2.6、DRIVE
2.7、HRF
2.8、STARE
3、数据实例配置
翻译地址:https://mmsegmentation.readthedocs.io/en/latest/dataset_prepare.html
1、准备数据集
建议将数据集根符号链接到$MMSEGMENTATION/data。如果您的文件夹结构不同,则可能需要更改配置文件中的相应路径。
win10上直接到工程目录下创建data文件夹,拷贝到data下。
mmsegmentation
├── mmseg
├── tools
├── configs
├── data
│ ├── cityscapes
│ │ ├── leftImg8bit
│ │ │ ├── train
│ │ │ ├── val
│ │ ├── gtFine
│ │ │ ├── train
│ │ │ ├── val
│ ├── VOCdevkit
│ │ ├── VOC2012
│ │ │ ├── JPEGImages
│ │ │ ├── SegmentationClass
│ │ │ ├── ImageSets
│ │ │ │ ├── Segmentation
│ │ ├── VOC2010
│ │ │ ├── JPEGImages
│ │ │ ├── SegmentationClassContext
│ │ │ ├── ImageSets
│ │ │ │ ├── SegmentationContext
│ │ │ │ │ ├── train.txt
│ │ │ │ │ ├── val.txt
│ │ │ ├── trainval_merged.json
│ │ ├── VOCaug
│ │ │ ├── dataset
│ │ │ │ ├── cls
│ ├── ade
│ │ ├── ADEChallengeData2016
│ │ │ ├── annotations
│ │ │ │ ├── training
│ │ │ │ ├── validation
│ │ │ ├── images
│ │ │ │ ├── training
│ │ │ │ ├── validation
│ ├── CHASE_DB1
│ │ ├── images
│ │ │ ├── training
│ │ │ ├── validation
│ │ ├── annotations
│ │ │ ├── training
│ │ │ ├── validation
│ ├── DRIVE
│ │ ├── images
│ │ │ ├── training
│ │ │ ├── validation
│ │ ├── annotations
│ │ │ ├── training
│ │ │ ├── validation
│ ├── HRF
│ │ ├── images
│ │ │ ├── training
│ │ │ ├── validation
│ │ ├── annotations
│ │ │ ├── training
│ │ │ ├── validation
│ ├── STARE
│ │ ├── images
│ │ │ ├── training
│ │ │ ├── validation
│ │ ├── annotations
│ │ │ ├── training
│ │ │ ├── validation
2、支持数据集
2.1、Cityscapes
注册后可以在这里(https://www.cityscapes-dataset.com/downloads/)找到数据。
按照惯例,**labelTrainIds.png用于训练。我们提供了根据脚本生成**labelTrainIds.png
# --nproc means 8 process for conversion, which could be omitted as well.
python tools/convert_datasets/cityscapes.py data/cityscapes --nproc 8
2.2、Pascal VOC
Pascal VOC 2012可以从这里(http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar)下载。此外,增强的VOC数据可以在此处(http://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/semantic_contours/benchmark.tgz)找到。
如果要使用增强的VOC数据集,请运行以下命令以将增强注释转换为正确的格式。
# --nproc means 8 process for conversion, which could be omitted as well.
python tools/convert_datasets/voc_aug.py data/VOCdevkit data/VOCdevkit/VOCaug --nproc 8
2.3、ADE20K
ADE20K的训练和验证可以从此链接(http://data.csail.mit.edu/places/ADEchallenge/ADEChallengeData2016.zip)下载。我们也可以从这里(http://data.csail.mit.edu/places/ADEchallenge/release_test.zip)下载测试集。
2.4、Pascal Context
Pascal上下文的训练和验证集可以从此处(http://host.robots.ox.ac.uk/pascal/VOC/voc2010/VOCtrainval_03-May-2010.tar)下载。注册后,您也可以从此处(http://host.robots.ox.ac.uk:8080/eval/downloads/VOC2010test.tar)下载测试仪。
要从原始数据集中拆分训练和验证集,您可以从此处(https://codalabuser.blob.core.windows.net/public/trainval_merged.json)下载trainval_merged.json 。
如果要使用Pascal Context数据集,请安装Detail(https://github.com/zhanghang1989/detail-api),然后运行以下命令将注释转换为正确的格式。
python tools/convert_datasets/pascal_context.py data/VOCdevkit data/VOCdevkit/VOC2010/trainval_merged.json
2.5、CHASE DB1
可以从此处(https://staffnet.kingston.ac.uk/~ku15565/CHASE_DB1/assets/CHASEDB1.zip)下载CHASE DB1的训练和验证集。
要将CHASE DB1数据集转换为MMSegmentation格式,应运行以下命令:
python tools/convert_datasets/chase_db1.py /path/to/CHASEDB1.zip
该脚本将自动创建目录结构。
2.6、DRIVE
可以从此处(https://drive.grand-challenge.org/)下载DRIVE的训练和验证集。在此之前,您应该注册一个帐户。目前尚未正式提供“ 1st_manual”。
要将DRIVE数据集转换为MMSegmentation格式,应运行以下命令:
python tools/convert_datasets/drive.py /path/to/training.zip /path/to/test.zip
该脚本将自动创建目录结构。
2.7、HRF
首先,下载health.zip,glaucoma.zip,diabetic_retinopathy.zip,health_manualsegm.zip,glaucoma_manualsegm.zip和diabetic_retinopathy_manualsegm.zip。
要将HRF数据集转换为MMSegmentation格式,应运行以下命令:
python tools/convert_datasets/hrf.py /path/to/healthy.zip /path/to/healthy_manualsegm.zip /path/to/glaucoma.zip /path/to/glaucoma_manualsegm.zip /path/to/diabetic_retinopathy.zip /path/to/diabetic_retinopathy_manualsegm.zip
该脚本将自动创建目录结构。
2.8、STARE
首先,下载stare-images.tar,labels-ah.tar和labels-vk.tar。
要将STARE数据集转换为MMSegmentation格式,应运行以下命令:
python tools/convert_datasets/stare.py /path/to/stare-images.tar /path/to/labels-ah.tar /path/to/labels-vk.tar
该脚本将自动创建目录结构。
3、数据实例配置
以VOC2012为例:
目录存放结构如下图:
pycharm中配置不对data目录建立索引,以减少系统资源占用。
设置后,data目录显示为棕色,表示不对该目录索引。
mmsegmention数据集存放格式(三)相关推荐
- 用faster-rcnn训练自己的数据集(VOC2007格式,python版)
用faster-rcnn训练自己的数据集(VOC2007格式,python版) 一. 配置caffe环境 ubunt16.04下caffe环境安装 二. 下载,编译及测试py-faster-rcnn源 ...
- 【KITTI】KITTI数据集简介(三) — 图像数据image_2
KITTI数据集种共包含了4相机数据,2个灰度相机和2个彩色相机,其中image_2存储了左侧彩色相机采集的RGB图像数据(RGB).其他图像数据本次暂时不介绍,后续算法研究如果用到再进行补充. 相机 ...
- nuScenes自动驾驶数据集:格式转换,模型的数据加载(二)
文章目录 一.nuScenes数据集格式精解 二.nuScenes数据格式转换(To COCO) 数据格式转换框架 2.1 核心:convert_nuScenes.py解析 其他格式转换文件 2.1. ...
- 图数据集Planetoid御三家:Cora,CiteSeer,PubMed详解
诸神缄默不语-个人CSDN博文目录 文章目录 1. 数据集基本情况介绍 1.1 Cora数据集 1.2 SiteSeer数据集 1.3 PubMed 2. PyG数据集的Planetoid调用接口 3 ...
- VOC和COCO数据集标注格式的介绍
COCO数据集标注格式的介绍: https://blog.csdn.net/m0_37970224/article/details/89211122 VOC数据集标注格式的介绍: https://bl ...
- VS2019菜单栏的项目、生成、格式三个菜单栏不见了
VS2019菜单栏的项目.生成.格式三个菜单栏不见了 按ALT+P,ALT+B,ALT+O也出不来. 在这之前因为生成一直停在那里就直接强制结束进程(软件并没有卡死,就是关不了).再打开就这样了.
- 如何利用python将NWPU VHR-10目标检测遥感数据集的格式转换成VOC目标检测数据集的格式
VOC目标检测数据集的格式 其中图片存放在JPEGImages文件夹中,标注是xml文件,存储在Annotations文件中 关于train集和val集的txt划分存放在ImageSets文件夹下面的 ...
- [数据集][VOC]消防灭火器数据集voc格式5156张介绍
数据集制作单位:FIRC 数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):5156 标注数量 ...
- [数据集][目标检测]篮球数据集VOC格式7398张
数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):7398 标注数量(xml文件个数):739 ...
最新文章
- hbase2.0.0-安装部署
- 送书 | 深入浅出,一起学习贝叶斯!
- 机器学习——详解KD-Tree原理
- python环境离线复制_Python 离线环境
- 【机器学习】数据挖掘实战:金融贷款分类模型和时间序列分析
- Visual Studio 2017新建及运行C++程序步骤
- 浅谈Android项目----JSON解析(4种解析技术详解)
- linux 访问ntfs分区
- linux php 语法加亮,用js函数PHP语法加亮
- 半导体物理学习记录——概述
- 恶意样本分析手册——理论篇
- mac pycharm如何打开setting
- openstack 单元测试助手tox
- 2022年10月 基于WPF的智能制造MES系统框架-菜单栏的设计
- html5 打字机效果,使用JavaScript制作打字机文本效果
- 学UI设计需要会手绘吗
- 基于注解实现SpringMVC的配置文件
- zabbix6.0安装教程(一):安装要求获取方式
- 访问者模式Visitor
- 【Java】基础、Java 数据类型