Semantic Segmentation Labeling

데이터가 RLE(Run Length Encode)를 통해 압축되어 있을 때 mmsegmentation을 학습을 위해서 label image를 만들어 주어야 합니다.

RLE(Run Length Encode)

간단하게 RLE는 이미지 압축 알고리즘으로 연속된 픽셀을 그 값과 길이를 함께 저장하는 방법입니다. Dacon에서는 두개의 클래스만 있어 1인 경우에 대해서 시작과 그 길이를 함께 저장했습니다. 예로 1 3 10 3 인 경우 1, 2, 3 / 10, 11, 12 로 작성되어 있습니다.

def rle_decode(mask_rle, shape):
    s = mask_rle.split()
    starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
    starts -= 1
    ends = starts + lengths
    img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
    for lo, hi in zip(starts, ends):
        img[lo:hi] = 1
    return img.reshape(shape)

def rle_encode(mask):
    pixels = mask.flatten()
    pixels = np.concatenate([[0], pixels, [0]])
    runs = np.where(pixels[1:] != pixels[:-1])[0] + 1
    runs[1::2] -= runs[::2]
    return ' '.join(str(x) for x in runs)

Make label

실제 이미지랑 label이 저장되는 폴더는 사용자가 지정할 수 있습니다.

os.makedirs("data/images/train", exist_ok=True)
os.makedirs("data/annotations/train", exist_ok=True)

data_root = 'data'
img_dir = "images"
ann_dir = "annotations"

palette = [128, 0, 0, 0, 128, 0]
# sklearn의 train_test_split을 통해 나눠진 값들
for x, y in zip(x_train, y_train):
  img_name = x.split("/")[-1]
  shutil.copy(osp.join(data_root, x), osp.join(data_root, f"{img_dir}/train/{img_name}"))
  img_path = osp.join(data_root, x)
  img = cv2.imread(img_path) # BGR
  h, w, _ = img.shape
  ann_img = rle_decode(y, (h, w))
  # 디코딩 된 값을 이미지로 변환해 저장
  png = Image.fromarray(ann_img).convert('P')
  png.putpalette(palette)
  png.save(os.path.join(data_root, f"{ann_dir}/train/{img_name}"))
  del png

cv2를 이용해서 저장하면 이미지가 3채널로 저장되고 메모리를 더 많이 차지하는 문제가 있습니다. 그리고 이 이미지를 mmsegmentation이 제대로 인식을 못하고 warning을 뱉습니다. 그래서 위 방식으로 각 픽셀에 대한 정답을 픽셀에 표시해주고 그 픽셀에 해당하는 값을 팔레트에 지정해주어야 합니다.