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

在这里插入图片描述
在这里插入图片描述

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
在这里插入图片描述
看看里面是什么内容。。
在这里插入图片描述

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
    在这里插入图片描述

  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
    在这里插入图片描述

  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] = 255gray = (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, graydef 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_rowsreturn Noneif __name__ == "__main__":print('--------------开始执行----------------')#count = 1with 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
  1. 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
    在这里插入图片描述看下gt_binary_image下的东西。。
    在这里插入图片描述

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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/871222.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LLaMA 模型

大模型LLaMA详解 LLaMa系列模型详解(原理介绍、代码解读):LLaMa LLaMa系列模型详解(原理介绍、代码解读):LLaMA 2 LLaMa系列模型详解(原理介绍、代码解读):LLaMA 3

uniapp小程序连接蓝牙设备

uniapp小程序连接蓝牙设备 一、初始化蓝牙模块二、开始搜索三、连接蓝牙四、监听特征值变化五、调用示例utils.js文件 一、初始化蓝牙模块 这一步是必须的,在开发项目过程中,初始化蓝牙模块之后,紧接着就要开启一些监听的api,供后…

redis查询慢,你们是如何查询优化?(运维篇3)

1、查看是否写入了bigkey 如果你查询慢日志发现,并不是复杂度过高的命令导致的,而都是 SET / DEL 这种简单命令出现在慢日志中,那么你就要怀疑你的实例否写入了 bigkey。 Redis 在写入数据时,需要为新的数据分配内存,相…

2024年公共文化与社会服务国际会议(ICPCSS 2024)

2024年公共文化与社会服务国际会议 2024 International Conference on Public Culture and Social Services 【1】会议简介 2024年公共文化与社会服务国际会议是一个集学术性、实践性和国际性于一体的盛会。我们期待与您共同探讨公共文化与社会服务的未来发展方向,为…

基于STM32设计的智能婴儿床(ESP8266局域网)_2024升级版_180

基于STM32设计的智能婴儿床(采用STM32F103C8T6)(180) 文章目录 一、设计需求【1】项目功能介绍【2】程序最终的运行逻辑【3】硬件模块组成【4】ESP8266模块配置【5】上位机开发思路【6】系统功能模块划分1.2 项目开发背景1.3 开发工具的选择1.4 系统框架图1.5 系统原理图1.6 硬…

【linux】服务器设置所有用户创建虚拟环境到默认路径

【linux】服务器设置所有用户创建虚拟环境到默认路径 【创作不易,点点赞关注收藏】😀 需要安装anaconda3的小伙伴可以看一下我前面的博文linux安装anaconda3 一、情况说明 我的anaconda3安装在"/public/apps/anaconda3/“,我希望所有…

C#实现最短路径算法

创建点集 double r 200 * 500;double width 1920;double height 1080;int col (int)(r / width);int row (int)(r / height);List<(double, double)> list1 new List<(double, double)>();for (int i 0; i < row; i){var y i * height;if (y < r){va…

java的发展

Java的发展历程是一个从无到有&#xff0c;从弱到强&#xff0c;从特定领域到广泛应用的过程。Java的发展可以分为几个重要阶段&#xff1a; 起源与早期发展。Java的起源可以追溯到1990年代初期&#xff0c;当时Sun Microsystems的工程师们为了解决嵌入式系统开发中的问题&a…

编译的艺术:在Gradle中精调编译器选项

编译的艺术&#xff1a;在Gradle中精调编译器选项 在软件开发的精细打磨过程中&#xff0c;编译器选项扮演着至关重要的角色。Gradle&#xff0c;作为一款流行的构建自动化工具&#xff0c;提供了丰富的编译器配置选项&#xff0c;让开发者能够根据项目需求定制编译过程。本文…

好莱坞级别AI视频工具Odyssey亮相!AI世界动态回顾

好莱坞级别的视觉AI&#xff1a;Odyssey 首先&#xff0c;我们要提到的就是Odyssey——一款新晋AI视频工具&#xff0c;它以其好莱坞级别的视觉AI能力引起了广泛关注。奥德赛展示的一些片段令人印象深刻&#xff0c;包括精美的无人机镜头、风景画面以及专业级的B-roll素材。虽…

Snap Video:用于文本到视频合成的扩展时空变换器

图像生成模型的质量和多功能性的显著提升&#xff0c;研究界开始将其应用于视频生成领域。但是视频内容高度冗余&#xff0c;直接将图像模型技术应用于视频生成可能会降低运动的保真度和视觉质量&#xff0c;并影响可扩展性。来自 Snap 的研究团队及其合作者提出了 "Snap …

SpringApplication.java类

Tips: 以下内容根据源码中的注解翻译 SpringApplication SpringApplication可用来从一个Java main方法引导和启动一个Spring应用。默认情况下&#xff0c;SpringApplication按照以下步骤引导你的应用&#xff1a; 创建一个合适的ApplicationContext&#xff08;依赖于你的cl…

运算放大器(2)

&#xff08;1&#xff09;反向放大器 Vout(-R2/R1)*Vi 图一运放的同向端接地0V&#xff0c;反向端和同向端虚短&#xff0c;所以也是0V 反向输入端输入电阻很高&#xff0c;虚断&#xff0c;几乎没有电流注入和流出&#xff0c;那么R1和R2相当于是串联的&#xff0c;流过一个…

MySQL上亿数据查询优化:实践与技巧

文章目录 MySQL上亿数据查询优化&#xff1a;实践与技巧一、引言二、影响查询性能的因素三、MySQL查询优化的原则四、索引优化1. 索引类型2. 索引设计原则3. 索引优化实例 五、分区表的使用1. 分区类型2. 分区实例 六、查询语句的优化1. 使用EXPLAIN分析查询2. 避免使用SELECT …

Nacos服务公网环境登陆报密码错误问题排查

作者&#xff1a;小丫 一、问题现象 nacos服务内网可以正常登录&#xff0c;如下&#xff1a; 走公网代理出来之后&#xff0c;无法正常登录&#xff0c;报错"用户名密码错误" 二、排查步骤 1、链路分析 首先确认公网代理的链路&#xff1a; 域名—>haprox…

【Docker系列】Docker 的基本概念和优势,以及在应用程序开发中的实际应用

Docker 是一种容器化平台&#xff0c;可以将应用程序及其依赖项打包到一个独立的容器中运行。Docker 的基本概念包括镜像、容器和仓库。 镜像是一个只读的文件&#xff0c;包含了运行应用程序所需的所有文件系统、库、环境变量等。容器是镜像的运行实例&#xff0c;它可以被启…

Epson打印机日常问题和解决办法

1、打印过程中缺纸&#xff0c;重新放入纸张之后&#xff0c;打印机出错。 打开“控制面板”&#xff0c;进入“设备与打印机”&#xff1a; 选择你正在使用的打印机&#xff0c;最下面可以看到打印机状态&#xff08;我这边用完脱机了&#xff0c;所以显示脱机&#xff09;&a…

Understanding EtherCAT Device Serial Number Checking

以下是对EtherCAT设备序列号检查的理解: EtherCAT(用于控制自动化技术的以太网)是一种在工业自动化中广泛使用的灵活以太网网络协议。配置和管理EtherCAT网络的一个关键方面是正确识别和验证连接的设备。这就是设备XML配置中的CheckSerialNo属性发挥作用的地方。让我们深入了解…

【Python实战因果推断】34_双重差分5

目录 Identification Assumptions Parallel Trends No Anticipation Assumption and SUTVA Identification Assumptions 您现在可能已经知道&#xff0c;因果推断是统计工具和假设之间的不断互动。在本文中&#xff0c;我选择从统计工具入手&#xff0c;展示 DID 如何利用单…

prompt第四讲-fewshot

文章目录 前提回顾FewShotPromptTemplateforamt格式化 前提回顾 前面已经实现了一个翻译助手了[prompt第三讲-PromptTemplate]&#xff0c;prompt模板设计中&#xff0c;有说明、案例、和实际的问题 # -*- coding: utf-8 -*- """ Time &#xff1a; 2024/7/8 …