Ai影像分割模型PaddleSeg——自定義資料集處理
#!/usr/bin/python
# -*- coding: UTF-8 -*-
import argparse
import json
import os
import os.path as osp
import base64
import warnings
import PIL.Image
import yaml
from labelme import utils
import numpy as np
from skimage import img_as_ubyte
def main():
parser = argparse.ArgumentParser()
parser.add_argument('json_file')
parser.add_argument('-o', '--out', default=None)
args = parser.parse_args()
json_file = args.json_file
list_path = os.listdir(json_file)
for i in range(0, len(list_path)):
if list_path[i].endswith('.json'):
path = os.path.join(json_file, list_path[i])
if os.path.isfile(path):
data = json.load(open(path))
img = utils.img_b64_to_arr(data['imageData'])
lbl, lbl_names = utils.labelme_shapes_to_label(img.shape, data['shapes'])
captions = ['%d: %s' % (l, name) for l, name in enumerate(lbl_names)]
lbl_viz = utils.draw_label(lbl, img, captions)
save_file_name = osp.basename(path).replace('.', '_')
out_dir1 = osp.join(osp.dirname(path), 'labelme_results')
if not osp.exists(out_dir1):
os.mkdir(out_dir1)
out_dir1 = osp.join(out_dir1, save_file_name)
if not osp.exists(out_dir1):
os.mkdir(out_dir1)
PIL.Image.fromarray(img).save(out_dir1 + '\\' + save_file_name + '_img.png')
PIL.Image.fromarray(lbl).save(out_dir1 外匯跟單gendan5.com+ '\\' + save_file_name + '_label.png')
PIL.Image.fromarray(lbl_viz).save(out_dir1 + '\\' + save_file_name +
'_label_viz.png')
images_dir = osp.join(json_file, 'images_dir')
if not osp.exists(images_dir):
os.mkdir(images_dir)
labels_dir = osp.join(json_file, 'labels_dir')
if not osp.exists(labels_dir):
os.mkdir(labels_dir)
PIL.Image.fromarray(img).save(osp.join(images_dir, '{}_img.png'.format(save_file_name)))
PIL.Image.fromarray(lbl).save(osp.join(labels_dir, '{}_label.png'.format(save_file_name)))
with open(osp.join(out_dir1, 'label_names.txt'), 'w') as f:
for lbl_name in lbl_names:
f.write(lbl_name + '\n')
info = dict(label_names=lbl_names)
with open(osp.join(out_dir1, 'info.yaml'), 'w') as f:
yaml.safe_dump(info, f, default_flow_style=False)
print('Saved to: %s' % out_dir1)
if __name__ == '__main__':
# base64path = argv[1]
main()
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69946337/viewspace-2786263/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 影像處理開源資料集
- YOLOv9:在自定義資料上進行影像分割訓練YOLO
- 常用語義分割資料集
- 數字影像處理day_12 影像分割
- 海量資料處理_表分割槽(線上重定義)
- 影像語義分割資料增強——imgaug(二)
- PyTorch 自定義資料集PyTorch
- 海量資料處理_表分割槽
- SpringMVC處理模型資料SpringMVC模型
- 影像資料不足時的處理方法
- Siri自定義Intent以及處理Intent
- 自定義事件相容處理物件事件物件
- Mac影像後設資料處理器:MesaExifMac
- UCI資料集詳解及其資料處理(附148個資料集及處理程式碼)
- 【Django】DRF自定義異常處理Django
- 自定義處理頁面請求
- 影像處理--影像特效特效
- C#實現DataTable資料分割處理C#
- [BUG反饋]自定義模型不顯示資料模型
- 谷歌開源最新語義影像分割模型DeepLab-v3+谷歌模型
- 醫學影像處理中的資料讀寫
- webgl 影像處理2---影像畫素處理Web
- [系列] Gin框架 - 自定義錯誤處理框架
- 自定義Toast及視窗透明處理AST
- 記賬工具給的靈感,excel資料處理為自定義的格式Excel
- Topaz Photo AI for Mac(影像處理AI軟體) 2.1.0啟用版AIMac
- Topaz Photo AI for Mac(影像處理AI軟體)2.1.1啟用版AIMac
- Topaz Photo AI for Mac(影像處理AI軟體)2.0.4啟用版AIMac
- 機器學習筆記 - Pascal VOC資料集使用FCN語義分割機器學習筆記
- pytorch載入語音類自定義資料集PyTorch
- 如何構建自定義人臉識別資料集
- Python影像處理丨5種影像處理特效Python特效
- Android自定義TitleBar 自定義標題欄 並進行事件處理Android事件
- Kafka - 自定義分割槽器Kafka
- 超多,超快,超強!百度飛槳釋出工業級影像分割利器PaddleSeg
- 影像預處理
- 使用自定義函式實現資料編解碼、格式處理與業務告警函式
- restframework 異常處理及自定義異常RESTFramework