PaddleX/docs/data/format/instance_segmentation.md

实例分割MSCOCO

数据集文件夹结构

在PaddleX中，实例分割支持MSCOCO数据集格式（MSCOCO格式同样也可以用于目标检测）。建议用户将数据集按照如下方式进行组织，原图均放在同一目录，如JPEGImages，标注文件（如annotations.json）放在与JPEGImages所在目录同级目录下，示例结构如下

MyDataset/ # 实例分割数据集根目录
|--JPEGImages/ # 原图文件所在目录
|  |--1.jpg
|  |--2.jpg
|  |--...
|  |--...
|
|--annotations.json # 标注文件所在目录

划分训练集验证集

在PaddleX中，为了区分训练集和验证集，在MyDataset同级目录，使用不同的json表示数据的划分，例如train.json和val.json。点击下载实例分割示例数据集。

注：也可使用PaddleX自带工具，对数据集进行随机划分，在数据按照上述示例组织结构后，使用如下命令，即可快速完成数据集随机划分，其中split指定训练集的比例，剩余比例用于验证集。

> paddlex --split_dataset --from MSCOCO --pics ./JPEGImages --annotations ./annotations.json --split 0.8 --save_dir ./splited_dataset_dir
> ```

MSCOCO数据的标注文件采用json格式，用户可使用Labelme, 精灵标注助手或EasyData等标注工具进行标注，参见[数据标注工具](../annotations.md)

## PaddleX加载数据集
示例代码如下，

import paddlex as pdx from paddlex.det import transforms

train_transforms = transforms.ComposedRCNNTransforms(mode='train', min_max_size=[800, 1333]) eval_transforms = transforms.ComposedRCNNTransforms(mode='eval', min_max_size=[800, 1333])

train_dataset = pdx.dataset.CocoDetection(

                data_dir='./MyDataset/JPEGImages',
                ann_file='./MyDataset/train.json',
                transforms=train_transforms)

eval_dataset = pdx.dataset.CocoDetection(

                data_dir='./MyDataset/JPEGImages',
                ann_file='./MyDataset/val.json',
                transforms=eval_transforms)

```