LabelBee 的标注格式以步骤
为基础,最顶层的会放置图片的基础信息,图片的宽度
、高度
、有无效性
、旋转角度
。
标注的信息放置在step_1
内,step_1
内表示为第一步数据,步骤内有toolName
和 result
两个字段,toolName
表示标注结果使用的工具类型,result
表示标注结果数组,具体细节点击上方工具。
{
"width": 4368,
"height": 2912,
"valid": true,
"rotate": 0,
"step_1": {
"toolName": "rectTool",
"result": [
{
"x": 530.7826086956522,
"y": 1149.217391304348,
"width": 1314.7826086956522,
"height": 1655.6521739130435,
"attribute": "",
"valid": true,
"id": "Rp1x6bZs",
"sourceID": "",
"textAttribute": "",
"order": 1
}
]
}
}
COCO(Common Object in Context) 是一个大规模的对象检测、分割和字幕数据集。具体定义请前往官网查看
LabelBee-Client 的目标检测
、语义分割
支持直接导出 COCO 数据类型。
仅语义分割
可导出 Mask。
- 背景色默认为黑色: 0
(rgb(0,0,0))
- 语义的唯一性:语义分割的属性标注配置
- 导出内容:
- JSON 文件: 表示当前语义与颜色的索引关系
- Mask
- 彩色图(xx_segmentation.png):用于结果校验
- 灰度图(xx_labelTrainIds.png)
[
{
"attribute": "cat",
"color": "rgb(128,0,0)",
"trainIds": 1
},
{
"attribute": "dog",
"color": "rgb(0,128,0)",
"trainIds": 2
},
{
"attribute": "bird",
"color": "rgb(128,128,0)",
"trainIds": 3
},
]
名称 | 描述 |
---|---|
attribute | 当前语义 |
color | 当前语义颜色 |
trainIds | 训练使用的 ID (灰度值 1 - N,0 表示背景) |
- 可使用下方脚本将导出的 Mask (xxx_labelTrainIds.png 四通道图片)转换为(单通道)灰度图,以用于mmsegmentation 训练
# FilePath: labelbee-client/scripts/dataTransfer.py
from PIL import Image
from pathlib import Path, PurePath
folder_path = './img/' # The folder of your exported data
p = Path(folder_path)
files = [x for x in p.iterdir() if PurePath(x).match('*_labelTrainIds.png')]
for file in files:
p_path = file
p = Image.open(p_path).convert('L') # Transfer to L mode (8-bit pixels, black and white)
p.save(file.name + '_labelTrainIds.png')