利用labelme制作实例分割数据集

一、软件安装与环境配置

参考上一篇博客

二、利用labelme做实例分割标记

容易出现的一些问题：

• 当一张图片里同个类别有多个物体时，均使用同一种类名称作为标签进行标注（因为后文coco数据集格式会给同种物体单独分序号）。如下图三人均属于person类。
  

• 当一张图片里某个颗粒被遮挡时，利用labelme标签里的group选项，分别描画被遮挡的几部分颗粒，并命名为同一group。如下图，sofa被遮挡，最终分别描画几段，但标签都为sofa，且同属于group（0）。
  
  group选项在此标记：
  

• 标记的原图像一定要用jpg格式，不能用png格式。(后文的生成标准格式的数据集程序，png四通道会报错！！)

三、利用labelme生成voc与coco格式数据集

1. 首先最好上labelme的github主页下载整个仓库至本地。
2. 命令行激活环境，cd到下载的labelme仓库里的example的Instance segmentation文件夹。
3. 此文件夹内，data_annotated放自己json文件和对应的jpg原图像。仅保留如下图所示的东西。
   
4. 修改label.txt，一定要有前两行，后两行替换为自己的所有类别名。
   
5. 生成voc格式数据集：

python labelme2voc.py data_annotated data_dataset_voc --labels labels.txt 

6. 生成coco格式数据集：

python labelme2coco.py data_annotated data_dataset_coco --labels labels.txt 

7. done !
   
   
   
   

关于coco数据集的理解

id：标记实例序号
image_id：第几张图
category_id：实例分属于的类别序号
segmentation：实例分割位置标记
area：似乎是实例标记的大小
bbox：实例框位置
iscrowd：是否是被遮挡物体，还有另一块

这里就是类别名与类别标记的一一对应关系

其它一些可能出现的问题

1. 转化coco数据集，需要安装pycocotools，安装失败，参考博客