前言

什么是语义分割？

语义分割是一种典型的计算机视觉问题，其涉及将一些原始数据（例如，平面图像）作为输入并将它们转换为具有突出显示的感兴趣区域的掩模。全像素语义分割（full-pixel semantic segmentation），其中图像中的每个像素根据其所属的感兴趣对象被分配类别ID。
语义分割基本概念介绍：（语义分割介绍）

常见分割标注方法有哪些？

labelme标注工具使用：labelme
这里放一个labelme标注图片，不难看出，labelme需要围绕待标注物体边缘打点，而且打点数量与分割精细程度成正比！
本人在此不含任何私人仇怨的前提下简单吐槽labelme:
1.打点太少，边缘标注不精细，打点太多，脑子、手和脖子难受
2.不能挖孔，对于特定场景这是个问题！
3.不能直接生成我想要的掩码图！
在这里插入图片描述

二、PS实现快速语义分割标注

1.使用环境

Adobe Photoshop CC 2015(不要问为什么不用高版本，但凡我电脑内存大一点也不至于用这个版本！)
在此附上下载链接：（下载链接）

2.使用方法

首先，设置前景背景色为你掩码图的对应颜色，一般背景色为黑色，前景色为你标注对象的颜色
在这里插入图片描述
然后，注意切换为美式键盘（shift+ctrl)
标注工具包括：磁性套索工具，使用时沿边缘走一圈即可，按住alt可切换为多边形套索工具（在边界明显为直线时使用），此工具适用于边界不明显的图片.
快速选择/魔棒工具, 适用于边界明显的标注，特别是具体物体标注，右键可切换为魔棒工具，此工具适用于颜色接近的区域划分.
在标注过程中常用快捷键为撤销：ctrl+alt+Z
在这里插入图片描述

在这里插入图片描述
建立选区后需填充目标区域为对一个类别颜色，背景区域为黑色，快捷键：ctrl+del:背景色填充，ctrl+shift+i:反选选区得到背景色，alt+del:前景色填充，若具有多个类别，则更换前景色即可

然后，反选选区（快捷键CTRL+SHIFT+I），填充前景色（快捷键ALT+DEL）
在这里插入图片描述
最后，保存图片为二值PNG图片（快捷键CRTL+ALT+SHIFT+S），此处注意修改颜色表为你标注掩码图的颜色（背景色在前，前景色在后）。否则会生成三维PNG图片，导致语义分割模型无法训练！
在预设一栏中选择PNG-8 128仿色,其下一栏选择PNG-8格式，再下一栏选择颜色表，注意此处颜色表要与mmseg中类别颜色一一对应，背景在前为黑色，类别颜色自定，最好为（128，0，0）红色、（0，128，0）绿色、（0，0，128）红色、（128，128，0),按mmseg/datasets/voc.py中的颜色顺序调整，处理完后存储在目标文件夹下即可。
在这里插入图片描述
生成的二值图如下：

附赠掩码图像维度检查函数：

def get_Image_dim_len(png_dir: str,jpg_dir:str):png = Image.open(png_dir)png_w,png_h=png.width,png.height#若第十行报错，说明jpg图片没有对应的png图片png_dim_len = len(np.array(png).shape)assert png_dim_len==2,"提示:存在三维掩码图"jpg=Image.open(jpg_dir)jpg = ImageOps.exif_transpose(jpg)jpg.save(jpg_dir)jpg_w,jpg_h=jpg.width,jpg.heightprint(jpg_w,jpg_h,png_w,png_h)assert png_w==jpg_w and png_h==jpg_h,print("提示：%s mask图与原图宽高参数不一致"%(png_dir))

总结

本文介绍了PS实现快速语义分割标注的核心方法，以供大家交流讨论！
往期回顾：
（1）CBAM论文解读+CBAM-ResNeXt的Pytorch实现
（2）SENet论文解读及代码实例
（3）ShuffleNet-V1论文理解及代码复现
(4) ShuffleNet-V2论文理解及代码复现
（5）GhostNet论文理解及代码复现
下期预告：
基于PS的VOC语义分割数据集构建方法