通过重新组织数据来定制数据集
最简单的方法是将您的数据集进行转化，并组织成文件夹的形式。
如下的文件结构就是一个例子。
├── data │ ├── my_dataset │ │ ├── img_dir │ │ │ ├── train │ │ │ │ ├── xxx{img_suffix} │ │ │ │ ├── yyy{img_suffix} │ │ │ │ ├── zzz{img_suffix} │ │ │ ├── val │ │ ├── ann_dir │ │ │ ├── train │ │ │ │ ├── xxx{seg_map_suffix} │ │ │ │ ├── yyy{seg_map_suffix} │ │ │ │ ├── zzz{seg_map_suffix} │ │ │ ├── val
一个训练对将由 img_dir/ann_dir 里同样首缀的文件组成。
如果给定 split 参数，只有部分在 img_dir/ann_dir 里的文件会被加载。
我们可以对被包括在 split 文本里的文件指定前缀。
除此以外，一个 split 文本如下所示：
xxx zzz
只有
data/my_dataset/img_dir/train/xxx{img_suffix},
data/my_dataset/img_dir/train/zzz{img_suffix},
data/my_dataset/ann_dir/train/xxx{seg_map_suffix},
data/my_dataset/ann_dir/train/zzz{seg_map_suffix} 将被加载。
注意：标注是跟图像同样的形状 (H, W)，其中的像素值的范围是 [0, num_classes - 1]。
您也可以使用 pillow 的 'P' 模式去创建包含颜色的标注。
通过混合数据去定制数据集
MMSegmentation 同样支持混合数据集去训练。
当前它支持拼接 (concat) 和 重复 (repeat) 数据集。
重复数据集
我们使用 RepeatDataset 作为包装 (wrapper) 去重复数据集。
例如，假设原始数据集是 Dataset_A，为了重复它，配置文件如下：
dataset_A_train = dict( type='RepeatDataset', times=N, dataset=dict( # 这是 Dataset_A 数据集的原始配置 type='Dataset_A', ... pipeline=train_pipeline ) )
拼接数据集
有2种方式去拼接数据集。
- 如果您想拼接的数据集是同样的类型，但有不同的标注文件，您可以按如下操作去拼接数据集的配置文件：
- 您也许可以拼接两个标注文件夹
ann_dir
dataset_A_train = dict( type='Dataset_A', img_dir = 'img_dir', ann_dir = ['anno_dir_1', 'anno_dir_2'], pipeline=train_pipeline )
- 您也可以去拼接两个
split文件列表
dataset_A_train = dict( type='Dataset_A', img_dir = 'img_dir', ann_dir = 'anno_dir', split = ['split_1.txt', 'split_2.txt'], pipeline=train_pipeline )
- 您也可以同时拼接
ann_dir文件夹和split文件列表
dataset_A_train = dict( type='Dataset_A', img_dir = 'img_dir', ann_dir = ['anno_dir_1', 'anno_dir_2'], split = ['split_1.txt', 'split_2.txt'], pipeline=train_pipeline )
- 在这样的情况下，
ann_dir_1和ann_dir_2分别对应于split_1.txt和split_2.txt
- 如果您想拼接不同的数据集，您可以如下去拼接数据集的配置文件：
dataset_A_train = dict() dataset_B_train = dict() data = dict( imgs_per_gpu=2, workers_per_gpu=2, train = [ dataset_A_train, dataset_B_train ], val = dataset_A_val, test = dataset_A_test )
一个更复杂的例子如下：分别重复 Dataset_A 和 Dataset_B N 次和 M 次，然后再去拼接重复后的数据集
dataset_A_train = dict( type='RepeatDataset', times=N, dataset=dict( type='Dataset_A', ... pipeline=train_pipeline ) ) dataset_A_val = dict( ... pipeline=test_pipeline ) dataset_A_test = dict( ... pipeline=test_pipeline ) dataset_B_train = dict( type='RepeatDataset', times=M, dataset=dict( type='Dataset_B', ... pipeline=train_pipeline ) ) data = dict( imgs_per_gpu=2, workers_per_gpu=2, train = [ dataset_A_train, dataset_B_train ], val = dataset_A_val, test = dataset_A_test )
