d2l图像分割数据集制作

原创

已于 2023-04-06 14:39:25 修改 · 589 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言

于 2023-04-05 22:17:31 首次发布

本文详细介绍了如何处理VOC数据集的图像分割任务，包括从RGB通道转换为类别索引，使用torchvision库进行图像和标签的读取，以及实现随机裁剪的数据增强方法。此外，还展示了如何构建VOC数据集的自定义PyTorch数据集类，用于训练和测试过程。

本文主要讲述图像分割Segmentation数据集的制作

加载：

实现从RGB三个通道到类别索引单int值：

图像增广

集成用法

加载：

在Segmentation里面有三个txt，里面写的是JPEG文件夹里面的图片的名称
将图片转为RGB，然后提取images的图片名，读取对应文件中的图片作为features
这里注意，对于语义分割，其label是对每个像素进行标注，所以标注可以为一张与features等大小的图片，是png文件是为了防止jpg图片格式会压缩：

def read_voc_images(voc_dir, is_train=True):
    """读取所有VOC图像并标注"""
    txt_fname = os.path.join(voc_dir, 'ImageSets', 'Segmentation',
                            'train.txt' if is_train else 'val.txt')
    mode = torchvision.io.image.ImageReadMode.RGB
    with open(txt_fname, 'r') as f:
        images = f.read().split()
    features, labels = [], []
    for i, fname in enumerate(images):
        features.append(torchvision.io.read_image(os.path.join(
            voc_dir, 'JPEGImages', f'{fname}.jpg')))
        labels.append(torchvision.io.read_image(os.path.join(
            voc_dir, 'SegmentationClass' ,f'{fname}.png'), mode))
    return features, labels

voc_dir = '/CV/xhr/VOCdevkit/VOC2012'

train_features, train_labels = read_voc_images(voc_dir, True)
len(train_features), train_features[1].shape, train_labels[1].shape

'''
(1464, torch.Size([3, 375, 500]), torch.Size([3, 375, 500]))
'''

由此可见，该函数得到的是list，里面的每个元素对应的是每个图片的tensor(c,w,h)

显示一下：

n = 5
imgs = train_features[0:n] + train_labels[0:n]
imgs = [img.permute(1,2,0) for img in imgs]
d2l.show_images(imgs, 2, n);

对于Segmentation中的标记，为对各个像素的标记，每个类别对应不同的颜色，具体颜色与label标签对应见下：

VOC_COLORMAP = [[0, 0, 0], [128, 0, 0], [0, 128, 0], [128, 128, 0],
                [0, 0, 128], [128, 0, 128], [0, 128, 128], [128, 128, 128],
                [64, 0, 0], [192, 0, 0], [64, 128, 0], [192, 128, 0],
                [64, 0, 128], [192, 0, 128], [64, 128, 128], [192, 128, 128],
                [0, 64, 0], [128, 64, 0], [0, 192, 0], [128, 192, 0],
                [0