multi-class segmentation mask일 때 COCO format으로 변환하는 방법

넵 일단 제가 사용하고자 하는 이미지와 마스크 파일은 디렉토리 구조는 다음과 같이 되어 있습니다.

images

|-0001.jpg

|-0002.jpg

...

ann

|- 0001m.png

|-0002m.png

..

그리고 각 마스크 파일은 다음과 같이 되어 있습니다. 총 4개의 클래스로,

위와 같이 마스크 파일이 되어 있는데,

공교롭게도 nucleus dataset은 클래스가 한 개 뿐이라 다음과 같이 모두 category_id를 0으로 지정하고 있습니다.

위 데이터셋에서는 이 category_id를 처리하기 위해 어떻게 해야 하는지 궁금합니다.

음, 이건 하나의 mask에 여러개의 object가 함께 들어가 있군요.

kaggle nucleus는 하나의 mask에 단 하나의 object만 들어가 있습니다. 그러니까

def get_annotation_info(mask_dir, mask_filename)

는 mask_filename 한개에 하나의 object만 segmentation을 뽑아내게 되어 있습니다. object가 100개면 mask file이 100개가 있습니다.

제 생각엔 사용하시는 데이터 세트는 pascal voc 데이터 세트와 비슷한 segmentation 같습니다.

아래와 같은 방법을 적용해 볼 수 있습니다.

1. pascal voc와 같은 형태로 데이터 세트를 만드셔서 MMDetection의 이해와 Faster RCNN 적용 실습 - 02 섹션의 COCO 형태 BCCD 데이터 학습 - VOC 형태의 BCCD 데이터를 COCO 형태로 변환하기 영상을 참조하셔서 Coco dataset으로 변경하시거나

    

2. 개별 mask 파일을 클래스 id값 별로 (즉 0값, 1값, 2값, 3값 별로) 다시 여러개의 mask 파일로 만듭니다. 즉 cv2.imread()로 로드한 array값이 0인것, 1인것, 2인것, 3인것 을 별도 4개의 mask 파일로 만든 후에 이들 파일에 get_annotation_info()를 적용합니다. 이때 개별 클래스값(즉 0, 1, 2, 3값)은 개별 mask별로 별도의 dataframe 등에 저장하셔서 해당 mask를 읽어 들일 때마다 category_id 값을 지정할 수 있도록 해줍니다.

   annotation = dict(segmentation=segmentation,

   area=bbox[2]*bbox[3] , iscrowd=0, bbox=bbox,
   category_id= 별도의 dataframe등에서 mask 파일별로 category_id 추출, image_id=image_id, id = obj_index)

감사합니다. 일단 별도의 annotation없이 마스크 이미지만 존재하는 경우여서 두 번째 방법으로 한번 시도 해보겠습니다!