1. 准备工具

MaskRCNN的标记工具是labelme工具，点击下载

打开Anaconda Prompt，输入以下命令：

conda create --name=labelme python=3.6
conda activate labelme
pip install labelme

安装完成之后输入labelme指令，即可打开图形化界面

选择保存位置

打开要标记的文件夹

创建选框

保存后即可生成json文件

对于生成之后的JSON文件还要再进行处理，主要有两个方法：

1. 进入到保存JSON文件的目录下，以UN1.json文件为例，运行labelme_json_to_dataset UN1.json命令，对每一个文件逐个转换。
   这种方法的不足之处在于，如果有非常多的训练文件，逐个转换十分耗时且低效
2. 通过查阅相关文献mask rcnn训练自己的数据集给出的方法，可以使用json转换工具，直接转换所有的json文件
   转换工具地址转换工具
   下载完成之后放在保存json文件的文件夹中，在labelme环境下运行即可

准备数据集结构

数据集的组成结构如下所示 ：

其中，后三个文件夹的内容已经准备完毕，cv2_mask文件夹中存放的内容是将16位存储的label.png转为8位存储的结果，转换方式可参考https://github.com/hyhouyong/Mask-RCNN/blob/master/train_data/uint16_to_uint8.py

至此，MaskRCNN的训练数据已经准备就绪