为什么数据集中的mask是彩色的？

奶盖芒果

已于 2022-11-22 16:59:43 修改

阅读量1.8k

点赞数

分类专栏：人工神经网络的复现 pytorch 计算机视觉文章标签：图像处理人工智能

于 2022-11-22 16:51:44 首次发布

本文链接： https://blog.csdn.net/candice5566/article/details/127984846

版权

pytorch 同时被 3 个专栏收录

4 篇文章 2 订阅

订阅专栏

计算机视觉

4 篇文章 6 订阅

订阅专栏

人工神经网络的复现

3 篇文章 0 订阅

订阅专栏

使用labelme标注的数据转化后得到的mask应该是一通道的图片，即黑白的。

如下图：

但是如果我们看到的mask是彩色的，那是因为它用调色板的形式去存储的，针对255个像素，每个像素都对应了一个颜色。也就是我们可以把mask映射到一个彩色的图像中。

比如

如果使用Python的pillow包去读取数据，默认读取调色板模式（P模式），转化成rgb模式，也就是黑白色的。

颜色并不会影响我们的训练。

那为什么要用调色板呢。如果直接用灰度图去显示，来代表不同的类别，那么两个类别的像素如果是0和15，像素值都很小，那你看到的整张图片都是黑色的。加上调色板，可以让每个像素值都对应到一个彩色的颜色，方便可视化预测结构。（每个像素值代表类别的索引）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

奶盖芒果

关注关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

如何使用语义分割的数据集训练Mask RCNN网络

zhaoguanhua的博客

07-05

882

语义分割的标签是与原始图片一一对应的Mask文件，做Mask RCNN需要知道每个图片内部每个对象的类别，边框，Mask。如果我们的手里只有语义分割的Mask标签文件，那么如何训练Mask RCNN网络呢？ 1、读取mask文件 2、使用opencv的提取边界线方法 3、操作每个实例对象，提取label，box，mask二值化图片。该方法最好在同类数据不相邻的场景下使用 ...

多类分割mask,如何转彩色图像并保存

guaiwuguba的博客

10-12

4192

项目场景：需要把多类分割的结果mask，转为彩图可视化保存下来问题描述：如何处理mask？如何进行颜色转换？如何保存？解决方案： 1、模型的最后一层： self.conv12 = nn.Conv2d(M, num_classes, 1, 1, 0) 网络的输出： outputs = self.model(img)#维度是batch, num_classes, h, w 2、outputs此时还是num_classes通道的，还不是最终的mask： mask = output

1 条评论您还未登录，请先登录后发表或查看评论

数据集相关操作（二）—— 划分mask和训练集、验证集

qq_43199575的博客

07-19

461

使用了EISeg进行分割的相关标注，并以COCO实现保留下来，会保留三种格式的图像。而一般训练所用的是那种纯黑的mask图，所以要将其单独拿出来，EISeg的官方代码有给出相应的提取、划分代码等。本文只是记录下工作时遇到的略微改动。参考链接。

使用labelme生成mask数据集（亲测可行）

最新发布

毕竟是Shy哥

08-03

295

3、打开labelme.exe文件，直接加载图片，然后编辑多边形，就是mask的位置。5、将json文件转换为mask图像，命令行运行：python test.py。4、画好mask了，保存为json文件，记住这个文件夹路径。2、安装一下anaconda，百度一下直接安装就行。替换一下里面的路径即可，然后就生成了mask图像了。1、下载label.exe文件。

python：使用调色板palette 功能对mask进行染色操作

weixin_50983641的博客

11-17

809

palette功能是用来对分割mask进行可视化的一个功能，常用于分割任务中。注：本篇仅用以记录本人日常学习内容。

labelme标注的json文件变成每个类别一张黑白mask图

m0_48095841的博客

12-21

2592

将labelme标注的数据转化成训练时用到的图片和黑白mask

labelme 语义分割数据集_第一次语义分割实践

weixin_42144199的博客

12-28

461

一. 制作自己的数据集(1)安装labelme，然后在终端运行labelme，选择图像：使用polygon对图像目标区域进行标注：(2)标注完成后，产生一个个json文件：使用labelme的 labelme-json-to-dataset.exe可执行文件将json文件转化为对应mask如果需要转化的 json文件过多，可以自己编写一个批处理文件：path ="./dataset/traini...

地面地标线数据集，包含原始图像和mask标签

11-23

综上所述，"地面地标线数据集"是一个专门为白天场景设计的计算机视觉资源，涵盖了原始图像和精确的mask标签，旨在帮助研究人员和开发者训练模型进行地标线检测和分割。在自动驾驶、交通监控等应用中，这类数据集的...

COCO数据集解析生成语义分割mask

m0_69178850的博客

08-22

4342

通过coco数据集的标注文件 — instances_train2014.json / instances_val2014.json 生成语义分割mask存在不同类别区域重叠问题，导致重叠部分像素的数值超出 [0,80] 范围内

用label标注的分割json标签转换为VOC格式和cityscapes数据集的mask图

qq_42262610的博客

11-23

3286

import base64 import json import os import os.path as osp import numpy as np import PIL.Image from labelme import utils ''' 用labelme标注的分割标签json文件生成8位的mask图(使用具VOC格式数据集和cityscapes数据集) 制作自己的语义分割数据集需要注意以下几点： 1、我使用的labelme版本是3.16.7，建议使用该版本的labelme，有些版本的labe.

碎点篇—— labelme json 数据制作 mask 实例分割数据

天下所弃，不过其纪。世间事，在人，在志。

05-21

1866

返回主目录一. labelme标记数据生成的数据如下: 将数据放入到对应文件夹中：二.数据转换代码: config.py 和json_2_dataset.py文件。 #!/usr/bin/env python # _*_ coding:utf-8 _*_ # ===================================...

利用labelme制作语义分割masks掩膜数据集

liluogeng666的博客

09-03

4309

制作语义分割数据集

深度学习图像彩色（RGB）多分类标签转换单通道训练标签再转回彩色标签的解决方案

qq_40494242的博客

03-17

7647

这两天一直在纠结这个问题，用Vaihingen数据集的过程中发现他的标签是RGB三通道的，不能用于pytorch深度学习的训练（pytorch只接受012…classnum样式的标签），所以需要进行一个转换，单通道的标签由于灰度值差距不大，肉眼观察会是一片黑，转换成彩色标签图也方便查看分类情况。话不多说，直接放代码。参考：https://blog.csdn.net/qq_28368377/article/details/108824851 https://blog.csdn.net/qq_3622422

赞！论解决labelme转化出mask文件一物多色问题的吐血经历

焦哥的博客

10-28

1102

一、直接奉上解决办法（在鄙人电脑管用的）注“得到标注物的是彩色图案” （1）找到imgviz文件夹其次进去找到所需要的的 label.py 文件查看代码：找到俺修改的地方，进行修改（2）找到json_to_dataset.py，进行修改以上的步骤是针对于个人在众多方法中有效的方法，但是中间还出现了一个小bug，由于改的rgb数值不一样，结果还会出现可行和不可行2种情况。 ...

labelme: 用于将黑红色mask标签图转为黑白的mask标签

huriri的博客

04-08

2415

labelme: 用于将红色mask标签图转为白的mask标签

彩色label图转换黑白label图「代码」

yym33的博客

06-17

423

彩色label转换黑白label（附代码）

windows安装labelme打标签并生成二值（黑白）标签图（也是一种特殊的灰度图）

Everyday try to become better -Kobe Bryant

05-28

4493

1创建conda子环境 conda create -n labelme python=3.7 输入y回车 2激活conda子环境 conda activate labelme 3安装依赖包 conda install pyqt conda install pillow 4安装labelme pip install labelme 网络错误如果出现如下报错 WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None

labelme json文件转换成mask图片代码

m0_37192554的博客

01-09

2840

代码可用

【python简易版】labelme 批量处理.json文件生成mask(.png文件）并保存到一个文件夹

DALEKSERROR的博客

03-19

7731

【！！确保运行的环境中已安装labelme】首先通过labelme我们已经得到了一些json文件，我们可以将所有要处理的json文件放入一个文件夹中接下来的思路是： 1、创建文件夹： json: 存放labelme得到的所有.json文件 process: 存放json文件转换得到的文件（一个json文件对应一个文件夹） mask: 存放json文件对应的mask(.png文件） img: 存放json文件对应的原图注意：此时当前路径下的json文件夹已创建，所以不在设置 import os #

现需要用segnet模型实现图像语义分割全过程，图像数据和mask数据分别存放在两个不同文件中，图像和mask图像均为彩色图像，需要包含图像预处理、划分训练集、测试集、验证集训练模型、测试集实际效果和测试效果比较、验证模型、预测新图像，请你用pytorch帮我实现代码，谢谢！

05-25

好的，以下是使用PyTorch实现segnet模型进行图像语义分割的完整代码，包括图像预处理、数据集划分、模型训练、测试和预测： ``` python import torch import torch.nn as nn import torch.optim as optim from ...