本文探讨了使用labelme进行图像标注时遇到的问题，即当图像中存在多个同一类型的目标时，它们可能会被错误地视为单个对象。通过分析label.png和_viz.png文件，揭示了labelme的机制缺陷，导致多个对象被合并到一个边界框中。作者分享了一个实例，展示手动标记的三个鼠标被误识别为一个对象，并建议在需要处理多个同一类型对象时，使用COCO格式的转换方法以避免此类问题。
在使用labelme标记完图像后，我们可以使用labelme自带的一套转换工具:labelme_json_to_dataset.exe 将每个图片对应的json文件转化为一个后缀为_json的文件夹。 文件夹内容如下：
其中最重要的是名为label.png的16位图片，包含了具体哪一个像素作为mask的重要信息，在实际应用中，我们还需要通过一套C++脚本将16位图转成8位，否则模型无法读取。
另一个要提到的重要问题是名为_viz.png的图片，点开如下
可以看到我们要学习的对象已经用不同的颜色区分开了，可以看到灰色代表0号class：背景,我们希望系统是别的对象bottle是1号class，用红色标记。加入后边的酒杯作为另一个对象被标记，则有可能被自动显示为蓝色或绿色，作为2号class:cup。
这种机制的缺陷在于，每张图片上同种类型的对象只能有一个，否则即使在标记时被标记为多个，作为mask显示时仍会被认为属于同一个对象(被一个boundingbox框住)。以下图为例：
我在手动标记时标记了3个鼠标，然而因为他们属于同一class，导致这3个鼠标最终被判定为一个对象。之前我在cup数据集中使用了大量含有多个cup的图片，使得模型反复将两个甚至三个茶杯当做一个整体来识别。效
最低0.47元/天 解锁文章
扫一扫
2568
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
