【モデルトレーニング】labelmeラベリングとセグメンテーションデータの処理方法

一緒に書く習慣を身につけましょう！「ナゲッツデイリーニュープラン・4月アップデートチャレンジ」に参加して7日目です。クリックしてイベントの詳細をご覧ください。

欢迎关注我的公众号 [极智视界]，获取我的更多笔记分享

みなさん、こんにちは。私の名前はジジビジョンです。このペーパーでは、labelmeがセグメント化されたデータにラベルを付けて処理する方法を詳しく紹介します。

画像セグメンテーションは、インスタンスセグメンテーション、セマンティックセグメンテーション、パノラマセグメンテーションなどを含むコンピュータビジョンタスクの一般的なタスクです。セグメンテーションタスクに送信する前に、データにラベルを付ける必要があります。ご存知のとおり、深層学習におけるデータの品質は、最終的な検出効果に大きな影響を与えるため、データのラベル付けの重要性は自明です。

以下から始めてください。

1.labelmeをインストールします

WindowsでもLinuxでも、次のようにインストールできます。

# 首先安装anaconda，这个这里不多说
# 安装pyqt5
pip install -i https://pypi.douban.com/simple pyqt5

# 安装labelme
pip install -i https://pypi.douban.com/simple labelme

# 打开labelme
./labelme
复制代码

次に、画像に対応するjsonファイルが生成されます。このファイルには、ラベルとラベル付きセグメンテーションマスク情報が含まれています。これはほぼ次のようになります。

2.組み込みのjsonからdatset

2.1単一画像のjsonからデータセットへ

直接実行：

labelme_json_dataset xxx.json
复制代码

次に、以下を生成します。

img.png：元の画像;
label.png：マスク画像;
label_viz.png：画像を背景でマスクします。
info.yaml、label_names.txt：ラベル情報;

2.2jsonをデータセットにバッチ処理する

cli / json_to_dataset.pyディレクトリを見つけて、次のようにします。

cd cli
touch json_to_datasetP.py
vim json_to_datasetP.py
复制代码

以下を追加します。

import argparse
import json
import os
import os.path as osp
import warnings
 
import PIL.Image
import yaml
 
from labelme import utils
import base64
 
def main():
    warnings.warn("This script is aimed to demonstrate how to convert the\n"
                  "JSON file to a single image dataset, and not to handle\n"
                  "multiple JSON files to generate a real-use dataset.")
    parser = argparse.ArgumentParser()
    parser.add_argument('json_file')
    parser.add_argument('-o', '--out', default=None)
    args = parser.parse_args()
 
    json_file = args.json_file
    if args.out is None:
        out_dir = osp.basename(json_file).replace('.', '_')
        out_dir = osp.join(osp.dirname(json_file), out_dir)
    else:
        out_dir = args.out
    if not osp.exists(out_dir):
        os.mkdir(out_dir)
 
    count = os.listdir(json_file) 
    for i in range(0, len(count)):
        path = os.path.join(json_file, count[i])
        if os.path.isfile(path):
            data = json.load(open(path))
            
            if data['imageData']:
                imageData = data['imageData']
            else:
                imagePath = os.path.join(os.path.dirname(path), data['imagePath'])
                with open(imagePath, 'rb') as f:
                    imageData = f.read()
                    imageData = base64.b64encode(imageData).decode('utf-8')
            img = utils.img_b64_to_arr(imageData)
            label_name_to_value = {'_background_': 0}
            for shape in data['shapes']:
                label_name = shape['label']
                if label_name in label_name_to_value:
                    label_value = label_name_to_value[label_name]
                else:
                    label_value = len(label_name_to_value)
                    label_name_to_value[label_name] = label_value
            
            # label_values must be dense
            label_values, label_names = [], []
            for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]):
                label_values.append(lv)
                label_names.append(ln)
            assert label_values == list(range(len(label_values)))
            
            lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)
            
            captions = ['{}: {}'.format(lv, ln)
                for ln, lv in label_name_to_value.items()]
            lbl_viz = utils.draw_label(lbl, img, captions)
            
            out_dir = osp.basename(count[i]).replace('.', '_')
            out_dir = osp.join(osp.dirname(count[i]), out_dir)
            if not osp.exists(out_dir):
                os.mkdir(out_dir)
 
            PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))
            #PIL.Image.fromarray(lbl).save(osp.join(out_dir, 'label.png'))
            utils.lblsave(osp.join(out_dir, 'label.png'), lbl)
            PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))
 
            with open(osp.join(out_dir, 'label_names.txt'), 'w') as f:
                for lbl_name in label_names:
                    f.write(lbl_name + '\n')
 
            warnings.warn('info.yaml is being replaced by label_names.txt')
            info = dict(label_names=label_names)
            with open(osp.join(out_dir, 'info.yaml'), 'w') as f:
                yaml.safe_dump(info, f, default_flow_style=False)
 
            print('Saved to: %s' % out_dir)
if __name__ == '__main__':
    main()
复制代码

次に、バッチで変換を行います。

python path/cli/json_to_datasetP.py path/JPEGImages
复制代码

エラーが報告された場合：

lbl_viz = utils.draw_label(lbl, img, captions)
AttributeError: module 'labelme.utils' has no attribute 'draw_label'
复制代码

解決策：labelmeバージョンを変更する必要があり、labelmeバージョンを3.16.2に減らす必要があります。メソッドはlabelme環境に入り、と入力してこのバージョンを自動的にpip install labelme==3.16.2ダウンロードでき、成功することができます。

3.別のスプリットラベル制作

このようなタグを生成する場合：

元の画像：

対応するラベル（背景は0、円は1）：

このタグは8ビットのシングルチャンネル画像であり、このメソッドは最大256種類をサポートします。

データセットは、次のスクリプトで作成できます。

import cv2
import numpy as np
import json
import os

#    0     1    2    3   
#  backg  Dog  Cat  Fish     
category_types = ["Background", "Dog", "Cat", "Fish"]

#  获取原始图像尺寸
img = cv2.imread("image.bmp")
h, w = img.shape[:2]

for root,dirs,files in os.walk("data/Annotations"): 
    for file in files: 
        mask = np.zeros([h, w, 1], np.uint8)    # 创建一个大小和原图相同的空白图像

        print(file[:-5])

        jsonPath = "data/Annotations/"
        with open(jsonPath + file, "r") as f:
            label = json.load(f)

        shapes = label["shapes"]
        for shape in shapes:
            category = shape["label"]
            points = shape["points"]
            # 填充
            points_array = np.array(points, dtype=np.int32)
            mask = cv2.fillPoly(mask, [points_array], category_types.index(category))

        imgPath = "data/masks/"
        cv2.imwrite(imgPath + file[:-5] + ".png", mask)
复制代码

上記は4つのカテゴリーの場合です。

これで完了です。上記は、ラベルのラベル付けとセグメンテーションデータの処理の方法を共有しています。私の共有があなたの学習に役立つことを願っています。

【公開番号送信】

「[モデルトレーニング]labelmeのラベル付けとセグメンテーションデータの処理方法」