我想实现一个语义分割网络并使用 PASCAL VOC 12 对其进行训练。ground truth 被编码为颜色而不是标签，我正在寻找将其转换为标签的方法。另外，我已阅读以下链接：
Tensorflow: How to create a Pascal VOC style image
还有其他的用户朋友代码或算法可以解决我的问题吗？
【问题讨论】：
标签： neural-network deep-learning keras image-segmentation
您可以结帐this post。它只是在颜色图和索引之间创建一个映射器。它从背景（第一行）开始，遍历所有 20 个类（其他行）。
encode_segmap() 帮你搞定。
【讨论】：
我刚刚在使用 PASCAL VOC 数据集时遇到了同样的问题。然后我在 Deeplab 的 TensorFlow 代码中检查了函数deeplab/datasets/remove_gt_colormap.py 用于加载和转换分割标签。
from PIL import Image
import tensorflow as tf
import cv2
def _remove_colormap_deeplab(filename):
"""Removes the color map from the annotation.
Args:
filename: Ground truth annotation filename.
Returns:
Annotation without the color map.
"""
return np.array(Image.open(filename))
def _save_annotation_deeplab(annotation, filename):
"""Saves the annotation as png file.
Args:
annotation: Segmentation annotation.
filename: Output filename.
"""
pil_image = Image.fromarray(annotation.astype(dtype=np.uint8))
with tf.gfile.Open(filename, mode='w') as f:
pil_image.save(f, 'PNG')
据我了解（但不是 100% 确定），np.array(Image.open(filename)) 将根据加载的 Pillow Image 对象的 mode 将 Pillow Image 对象转换为 numpy 数组。这里我检查了加载的 Pascal VOC 标签/类图像，例如datasets/pascal_voc_seg/VOCdevkit/VOC2012/SegmentationClass/2011_003078.png，具有模式 P: palette（意思是 8 位像素，使用调色板映射到任何其他模式） .因此，由于'P' mode，将此PIL Image 对象转换为numpy 数组，会将每个像素值映射到一个索引（即，对应于PASCAL VOC 中定义的class or label）到256 个RGB 值的调色板数组中。
您也可以查看我的jupyter note了解详情。
【讨论】：
它是@Harsh 和@ccj5351 的组合。 VOC2012 标签嵌入到图像中，这意味着您所要做的就是读入它们并识别像素值。它可以像使用 np.unique(img) 一样简单，它将返回数组中的唯一值。例如，如果它返回 4 个唯一值，则有 4 个类（包括背景）。您还必须先删除颜色图。看看Tensorflow's approach，可能会有帮助。
【讨论】：
在 PASCAL VOC 12 中有 21 个类 - 20 个对象和 1 个背景。这些类被编码为像素值。例如，属于背景的像素具有值0。其余类按字母顺序从1 编码到20。例如，aeroplane 类的像素值等于1。在每个图像中，您可能有多个类。因此，如果您想获取类标签，只需使用 OpenCV 或 PIL 读取相应的 groundtruth 图像，并找到图像中存在的不同像素值。像素值将为您提供图像中存在的对象类。在任何图像中，不会有超过 3 或 4 个不同的类别。但是，同一类可以有多个实例。
【讨论】：