问如何在PASCAL VOC 12中创建标记图像作为基本事实？

EN

我刚刚在PASCAL VOC数据集上遇到了同样的问题。然后，我检查了Deeplab中TensorFlow代码中的函数deeplab/datasets/remove_gt_colormap.py，用于加载和转换分割标签。

from PIL import Image
import tensorflow as tf
import cv2

def _remove_colormap_deeplab(filename):
  """Removes the color map from the annotation.

  Args:
    filename: Ground truth annotation filename.

  Returns:
    Annotation without the color map.
  """
  return np.array(Image.open(filename))

def _save_annotation_deeplab(annotation, filename):
  """Saves the annotation as png file.

  Args:
    annotation: Segmentation annotation.
    filename: Output filename.
  """
  pil_image = Image.fromarray(annotation.astype(dtype=np.uint8))
  with tf.gfile.Open(filename, mode='w') as f:
      pil_image.save(f, 'PNG')

据我所知(，但不是100%确定的)，np.array(Image.open(filename))会根据加载的Pillow Image对象的mode将Pillow Image对象转换为numpy数组。这里我检查了加载的Pascal VOC标签/类图像，例如datasets/pascal_voc_seg/VOCdevkit/VOC2012/SegmentationClass/2011_003078.png，是否具有模式P: palette (意思是8位像素，使用调色板映射到任何其他模式)。因此，由于'P' mode，将此PIL Image对象转换为numpy数组，会将每个像素值映射到索引(即，对应于PASCAL VOC中定义的class or label )到256个RGB值的调色板数组中。

您也可以查看我的jupyter note以了解详细信息。

在PASCAL VOC 12中有21个类别- 20个对象和1个背景。类被编码为像素值。例如，属于背景的像素的值为0。其余的类按照字母顺序从1到20进行编码。例如，类aeroplane的像素值等于1。在每个图像中，您可以有多个类。因此，如果您想要获取类标签，只需使用OpenCV或PIL读取相应的groundtruth图像，并找到图像中存在的不同像素值。像素值将为您提供图像中存在的对象类。在任何图像中，都不会有超过3到4个不同的类。但是，同一个类可以有多个实例。

它是@Harsh和@ccj5351的组合。Tensorflow's approach标签被嵌入到图像中，这意味着你所要做的就是读取它们并识别像素值。它可以像使用np.unique(img)一样简单，它将返回数组中的唯一值。如果它返回4个唯一值，那么就有4个类(包括背景)。你还必须首先删除色彩映射表。看看ccj5351，它可能会有所帮助。