深度学习中常用的标注文件

深度学习中常用的标注文件

mat

mat文件是matlab专用的文件，第一次见是再COCOstuff-10k数据集中。

遇到的问题：如果用sublime打开的话，会显示16进制格式，可以猜想matlab是打开该文件的重要工具。但是如果使用python读取并打印显示的话，可以正常显示字符串模式。

解决办法：通过python读取mat文件内容写入txt或者json文件。

代码如下：

from scipy.io import loadmat

mat=loadmat("<filename>.mat")
matStr=str(mat)
f=open("<filename>.json","w")
f.write(matStr)
f.close

e或者notepad++或者txt打开文件进行阅读

mat文件打开显示

用sublime打开。全是16进制

实际原图

一个小男孩在镜子面前刷牙

读取mat文件内容写入json

文中caption用于给图片上字幕，‘S’，‘regionLabelsStuff’,'regionMapStuff’用于分割图像。

json

这是常见的一类实例分割、语义分割、目标检测的标注文件。使用python语言进行编写，易读性以及易使用性强。我在cocostuff-10k数据集中见到该文件，另外导师给的内窥镜数据集也是该标注文件。

如果是labelme标注的图像，还可以通过labelme_json_to_dataset命令转换为png文件。

labelme标注后生成的json文件

“shapes”记录每一个标注区域，其中有‘label’、‘line_color’、‘fill_color’、‘points’、‘shape_type’等信息。即每一个标注区域都有自己特定的属性与位置信息，方便使用者使用。

原始图片

标记区域展示

xml

xml的风格类似于html，但是并不相同，python也可读取（这个我不会，之前只用过C#语言尝试过，个人感觉这种文件可以转发为json文件，毕竟都是易读的标记语言，有待取证）。不过，还是很容易读懂。我在PASCAL VOC 2012数据集中见到该标注文件。该数据集可用于目标检测。

xml文件显示

标签+位置信息，用于定位。文中即标注了object是person，也标注了person的位置信息（xmin=174，ymin=101，xmax=349，ymax=351）

原始图片

该文件也可以使用sublime和notepad++打开

png

我试着使用labelme自己标注图像，生成的json文件，然后使用label_json_to_dataset生成png文件。

png图像展示

因为图像分割要分类每一个像素，所以图像分割除了使用标记语言还可以直接使用png文件。只不过该png文件一个标记物体只有一个像素值。

能打开图片的软件都能打开它，强大的sublime竟然也能打开。

CSV，xlsx，txt，word

这些都是常见的文档格式。这里为大家展示csv文件格式的标注数据。

csv文件

A栏是源图片的路径，B栏是类别。类别为0（negative）、1（positve）。该数据为MURA 数据集，用于判断骨骼是否异常，属于二值分类。

labelme

labelme并不是标记文件，而是一个软件。通过该软件可以标注图像，保存的文件时json文件。 推荐给玩一玩，很快的，一个小时就能拥有自己标注的图像，有助于我们更深刻地了解图像标注。 label学习 展示一下标记效果。