labelme对同一类型的多个目标的识别问题

在使用labelme标记完图像后，我们可以使用labelme自带的一套转换工具:labelme_json_to_dataset.exe 将每个图片对应的json文件转化为一个后缀为_json的文件夹。 文件夹内容如下：

其中最重要的是名为label.png的16位图片，包含了具体哪一个像素作为mask的重要信息，在实际应用中，我们还需要通过一套C++脚本将16位图转成8位，否则模型无法读取。

另一个要提到的重要问题是名为_viz.png的图片，点开如下

可以看到我们要学习的对象已经用不同的颜色区分开了，可以看到灰色代表0号class：背景,我们希望系统是别的对象bottle是1号class，用红色标记。加入后边的酒杯作为另一个对象被标记，则有可能被自动显示为蓝色或绿色，作为2号class:cup。

这种机制的缺陷在于，每张图片上同种类型的对象只能有一个，否则即使在标记时被标记为多个，作为mask显示时仍会被认为属于同一个对象(被一个boundingbox框住)。以下图为例：

我在手动标记时标记了3个鼠标，然而因为他们属于同一class，导致这3个鼠标最终被判定为一个对象。之前我在cup数据集中使用了大量含有多个cup的图片，使得模型反复将两个甚至三个茶杯当做一个整体来识别。效果如下:

不仅3个茶杯被放进了同一个包围盒，连下面的鼠标也被加上了mask。之前这个问题困扰了我好一阵子，经过仔细分析才发现了问题所在。后续训练时，我用的都是只包含一个对象的图片，上面的现象也再没有出现过。不过这种方法不利于用少量的图训练尽量多的对象的目标，毕竟一张图只能放一个嘛，而且转换过程也相当繁琐，还是推荐使用coco格式的转换方法，一步到位，图片的丰富程度也高了不少。