火焰识别--重新标注后的Deeplabv3+训练

这篇博客介绍了如何使用labelme进行火焰图像的重新标注,然后详细阐述了如何构建Deeplabv3+数据集,包括数据转换和环境配置。博主分享了从下载tensorflow/models到安装依赖库,再到Windows环境下添加tf.slim路径的步骤。此外,还详细讲解了在PASCAL VOC 2012数据集上运行Deeplab的各个阶段,包括训练、评估和结果可视化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、使用labelme重新标注,图片总共202张

labelme的使用说明:在Anaconda中新建一个环境

conda create --name=labelme python=3.5

激活环境:

activate labelme

需要安装的库:

pip install labelme
pip install pyqt5
pip install pillow

安装好就可以在activate lebelme后启用labelme:

labelme

以后每次用两步:在命令行窗口输入

activate labelme
labelme

打开labelme的界面:
这图片描述

2、将json文件制造成数据集

第一部分:
将使用labelme生成的json文件转换成标注后的图片

import os

path = "D:\\...\\...\\..."   # 使用labelme生成的json文件的保存位置

json_file = os.listdir(path)

for file in json_file:
	os.system("labelme_json_to_dataset %s" % os.path.join(path,file))

第二部分:
第一部分生成的文件有多个,只需要红框中那个图片作为标注后ground truth:
在这里插入图片描述
将每个文件夹(0000_json … 0200_json)中的label.png取出来并命名成上一级文件夹0000_json中前面的数字如0000.png、0001.png…。
代码如下:

import os
import PIL.Image as Image

filepath = "D:\\fir_images\\fire\\2nd\\json_file"

for file in os.listdir(filepath):
	pic_path = os.path.join(filepath, file, 'label.png')
	pic = Image.open(pic_path)
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值