tusimple车道线检测 标注自己的数据集

一、打开labelme工具进行数据标注

二、数据格式转换

2.1 标签转换

运行Anaconda Prompt，进入json标签文件所在目录，逐个转换，分布运行

labelme_json_to_dataset 0000.json
labelme_json_to_dataset 0001.json
labelme_json_to_dataset 0002.json
labelme_json_to_dataset 0003.json
labelme_json_to_dataset 0004.json
labelme_json_to_dataset 0005.json

结束后，会得到这些文件夹

看看里面是什么内容。。

2.2 生成二值图标签和train.py

1. 创建一个data_json_train空文件夹

2. 在data_json_train下，创建images、clips、gt_image、gt_binary_image、gt_instance_image 共5个文件夹
   

3. 在images下创建data空文件夹

4. 在data下创建annotations空文件夹

5. 将2.1节的生成的文件复制到annotations文件夹下
   

6. 在data_json_train下，创建data.py，代码如下：

# data.py
import cv2
from skimage import measure, color
from skimage.measure import regionprops
import numpy as np
import os
import copy

# 优化的地方：应该用文件的名字来命名新的文件，而不是简单的进行 +1 操作就进行对图片文件的命名
# BUG 已解决
def skimageFilter(gray):
    binary_warped = copy.copy(gray)
    binary_warped[binary_warped > 0.1] = 255
    gray = (np.dstack((gray, gray, gray)) * 255).astype('uint8')
    labels = measure.label(gray[:, :, 0], connectivity=1)
    dst = color.label2rgb(labels, bg_label=0, bg_color=(0, 0, 0))
    gray = cv2.cvtColor(np.uint8(dst * 255), cv2.COLOR_RGB2GRAY)
    return binary_warped, gray

def moveImageTodir(path, targetPath, name):
    if os.path.isdir(path):
        image_name = "gt_image/" + str(name) + ".png"
        binary_name = "gt_binary_image/" + str(name) + ".png"
        instance_name = "gt_instance_image/" + str(name) + ".png"
        train_rows = image_name + " " + binary_name + " " + instance_name + "\n"
        origin_img = cv2.imread(path + "/img.png")
        origin_img = cv2.resize(origin_img, (1280, 720))
        cv2.imwrite(targetPath + "/" + image_name, origin_img)
        img = cv2.imread(path + '/label.png')
        img = cv2.resize(img, (1280, 720))
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        binary_warped, instance = skimageFilter(gray)

        cv2.imwrite(targetPath + "/" + binary_name, binary_warped)
        cv2.imwrite(targetPath + "/" + instance_name, instance)

        print("success create data name is : ", train_rows)
        return train_rows
    return None

if __name__ == "__main__":
    print('--------------开始执行----------------')
    #count = 1
    with open("./train.txt", 'w+') as file:
        for images_dir in os.listdir("./images"):
            dir_name = os.path.join("./images", images_dir + "/annotations")
            for annotations_dir in os.listdir(dir_name):
                json_dir = os.path.join(dir_name, annotations_dir)
                if os.path.isdir(json_dir):
                    # train_rows = moveImageTodir(json_dir, "./", str(count).zfill(4))
                    # 利用 json 文件夹的名字来对生成的图片进行命名，比较好对应
                    train_rows = moveImageTodir(json_dir, "./", json_dir.split('\\')[-1])
                    file.write(train_rows)
                    #count += 1

7. 运行data.py，会生成train.txt，以及gt_image，gt_binary_image，gt_instance_image下会生成转换后的标签
   看下gt_binary_image下的东西。。
   

由于标注的数据少，所有val.txt复制train.txtx的内容。

使用train.txt，gt_image，gt_binary_image，gt_instance_image就可以进行训练了

大功告成！