说明

每次语义分割训练模型前都需要标注图像再进行一些处理，提取训练图像，训练标签等操作，一个一个程序运行有点麻烦，该界面实现我自己训练前需要的一些处理要求，基本在界面上点完就可以训练了，还可以对模型输出的标签进行一个文件夹的平均MIOU，MPA计算

功能概述

功能1：	视频素材转换成图像
功能2：	把标注后json文件和对应的jpg文件从混合的文件夹中提取出来
功能3：	Json_to_Dataset功能.从Json文件获得标签文件
功能4：	Get_JPG_PNG从上一步的Dataset文件中提取训练图像和训练标签
功能5：	从训练集中随机选取一定比例的图像和标签作为验证集图像和标签
功能6：	由模型输出标签和人工标签计算得到MIOU和MPA

使用

python库依赖：PYQT5,Numpy,Json等，打开ui文件需要有QT Designer
因为没有打包，所以运行Segmentation_UI.py文件即可打开主界面

FUNC1：视频素材转换成图像

• 用于将视频素材转换成单张图像素材，本程序默认转换为640*480大小的图像，若需其他尺寸需要在函数中修改

FUNC2：把标注后json文件和对应的jpg文件从混合的文件夹中提取出来.

• 当我们在用Labelme等标注素材图像时，往往将标注后的Json文件和这些素材放在同一个文件夹中.
  但又不需要对该文件夹中的每张图像都进行标注，因此在对Json和对应的Jpg文件进行Json_to_dataset之前需要
  将标注完成的Json文件及对应的Jpg文件提取出来单独存放，只就是FUN2的功能.

FUNC3：Json_to_Dataset功能

• 用于从标注完成的Json文件提取出来标签图像等信息存放到OUTPUT文件夹.

FUNC4：Get_JPG_PNG从上一步的Dataset文件中提取训练图像和训练标签

• 从Jpg文件夹和OUTPUT文件夹提取训练集的图像和标签文件分别存放到指定文件夹.

FUNC5：从训练集中随机选取一定比例的图像和标签作为验证集图像和标签

• 功能如标题所示.

FUNC6：由模型输出标签和人工标签计算得到MIOU和MPA

• 功能如标题所示.

界面效果

操作

视频素材转图像

从上到下选择视频文件，存储图像文件后，点击开始转换，等待转换完成，会提示Finish，即完成。注：我这里统一转换图像为640*480大小，若需其他尺寸，请在程序内更改！

Json/Jpg文件分离

1.分离前状态

2.我这里把提取后的Json和对应的Jpg放在同一文件夹下，也可以不同，点击开始转移完成后会提示Finish。

3.提取后效果

Json_To_Dataset

1.选择Json文件和对应Jpg文件夹即上一步Json/Jpg分离的输出文件夹

2.再选择一个Json_to_dataset输出文件夹，执行，这一步可能需要一些时间，完成后会提示Finish!

3.转换结果

Get_JPG_PNG

从含有JPG图像的文件夹和上一步Json_to_dataset的输出文件夹提取训练图像（jpg格式）和训练标签（png格式）分别存储，注：这里需要输入class_name.txt文件，以便找到各个类，完成后jpg文件夹为训练图像，png文件夹为训练标签为单通道图像，看起来是全黑的

从训练集中随机选取一定比例的图像和标签作为验证集图像和标签

1.从训练集train_image和train_label文件夹选取一定比例的图像和标签给验证集val_image和val_label

2.这个比例由用户自己输入

计算MIOU和MPA

这里选择模型预测得到的单通道标签和手工标注的标签文件夹，得到的结果是文件夹所有图像的平均MIOU，MPA，我这里为了演示直接把手工标注的标签复制到另一个文件夹，所以结果是1，请忽略

最后

这里我尝试用PyInstaller打包总出错，给我整反了，因此没打包，哎~
代码可能命名有点乱，起名字实在不擅长，抱歉~ 不过可以对着QT的UI文件看，能清晰些
代码为了方便参考了一些大佬的，如MIOU计算这部分，感谢
可能代码有Bug，目前可以正常运行，大家发现了劳烦告诉我
后面若有新功能会更新
若是对各位有一点用劳烦给小透明一个赞或star，秋梨膏

源码链接

Gitee链接: https://gitee.com/liangbo1996/segmentation_-tool.
GitHub链接: https://github.com/Rambo-l/segmentation_-tool.