[人工智能]深度学习边缘检测 HED 训练自己的数据

深度学习边缘检测 HED 训练自己的数据

数据集制作
使用labelme标注，选择lineStrip（线条束）标注
生成json文件。
之后使用批量处理脚本将json文件转为边缘数据集。具体过程如下：
首先将所有的json文件放入一个文件夹内，同时将接送json2dataset.py脚本放入文件夹内：
json2dataset.py 批量处理
可以在这个地方修改linewidth

#-*-coding:utf-8-*-
import os
files=os.listdir('./')
files.remove('json2dataset.py')
for i in range(len(files)):
    os.system('labelme_json_to_dataset '+files[i])

之后会生成同等数量的文件夹，每个文件夹的内容如下：

其中img.png是我们所需的标注图，需要对其进行改名并将所有的标注图提取到一个文件夹内。
首先运行rename.py，放在文件夹外，此脚本将所有的label.png重命名为你原图的名字+.png

#-*-coding:utf-8-*-
# 把label.png改名为1.png
import os
for root, dirs, names in os.walk(r'json'):   # 改成你自己的json文件夹所在的目录
    for dr in dirs:
        file_dir = os.path.join(root, dr)
        # print(dr)
        file = os.path.join(file_dir, 'label.png')
        # print(file)
        new_name = dr.split('_')[0]  + '.png'
        new_file_name = os.path.join(file_dir, new_name)
        os.rename(file, new_file_name)

再运行copy.py，作用是提取所有的标注图到edge文件夹内。

#-*-coding:utf-8-*-
import os
from shutil import copyfile
for root, dirs, names in os.walk(r'json'):   # 改成你自己的json文件夹所在的目录
    for dr in dirs:
        file_dir = os.path.join(root, dr)
        print(dr)
        file = os.path.join(file_dir,'label.png')
        print(file)
        new_name = dr.split('_')[0] + '.png'
        new_file_name = os.path.join(file_dir, new_name)
        print(new_file_name)
        

再对标注图进行二值化：

import cv2
import os

dir = 'data/wire/train/edge'
edge = 'data/wire/train/edge1607'

def canny(path):
    out = edge + '/' + path.split('.')[0] + '.png'
    print(out)
    path = dir + '/' + path
    img = cv2.imread(path,0)
    img = cv2.cvtColor(img, cv2.COLOR_GRAY2RGB)
    print(img.shape)
    ret, img = cv2.threshold(img, 20, 255, cv2.THRESH_BINARY)
    cv2.imwrite(out, img)

    # for x in range(img.shape[0]):
    #     for y in range(img.shape[1]):
    #         px = img[x,y]
    #         if px.any() != 0:
    #             print(px)
    # print(img.shape)

for path in os.listdir(dir):
    canny(path)

之后

git clone https://github.com/xwjabc/hed

下载预训练权重

cd hed
wget https://cseweb.ucsd.edu/~weijian/static/datasets/hed/hed-data.tar
tar xvf ./hed-data.tar

仿照HED-BSDS数据集制作自己的数据集

训练

python hed.py --vgg16_caffe ./data/5stage-vgg.py36pickle --dataset ./data/wire

测试

   python hed.py --checkpoint output/epoch-39-checkpoint.pt --output ./output3 --test --dataset ./data/wire