前面一篇写创建数据集的博文--- Pytorch创建自己的数据集1 是介绍的应用于图像分类任务的数据集,即输入为一个图像和它的类别数字标签,本篇介绍输入的标签label亦为图像的数据集,并包含一些常用的处理手段...但是这些边界在计算损失值的时候是不作为有效值的,也就是对于灰度值=255的点是忽略的。
如果想看的话,可以用一些色彩变换,对0--20这每一个数字对应一个色彩,就能看出来了,示例如下
?...这其实就是一个记载了图像ID的文本文档,连后缀都没有,但我们依然可以根据这个去数据集中读取相应的image和label
3、代码示例
这个代码是我自己在利用deeplabV2 跑semantic segmentation...#print(I.shape,L.shape)
return I.copy(), L.copy(), np.array(size_origin), name
#这是一个测试函数...,虽然有点长, 因为实现了crop和翻转以及scale等功能,但是大家可以下去慢慢揣摩,理解其中的主要思路,与我前一篇的博文Pytorch创建自己的数据集1做对比,那篇博文相当于是提供了最基本的骨架,而这篇就在骨架上长肉生发而已