Mask RCNN如何适配单图单JSON标注？修改函数还是合并文件？

针对你用Mask RCNN做自定义目标检测时，遇到的单图单JSON标注和官方要求不匹配的问题，我从你的两个核心疑问入手，给你详细的落地方案：

疑问2：是否需要合并所有JSON？合并后的格式符合要求吗？ #

我非常推荐你把所有单图对应的JSON标注合并成一个总文件，这不仅贴合Mask RCNN官方的设计逻辑，还能避免频繁读取大量小文件的性能损耗，后续数据加载也会更顺畅。

合并后的标注格式需要参考官方数据集（比如Balloon数据集）的结构，大致要包含images、annotations、categories三个核心部分，示例结构如下：

{
  "images": [
    {
      "id": 1,
      "file_name": "你的图像文件名.jpg",
      "width": 图像宽度（像素）,
      "height": 图像高度（像素）
    },
    // 其他所有图像的信息都放在这里
  ],
  "annotations": [
    {
      "id": 1,
      "image_id": 1, // 和上面images里的id对应
      "category_id": 1, // 和categories里的id对应
      "segmentation": [[35.70,18.38,60.57,15.68,...]], // 多边形点展开成一维数组；圆形要转成近似多边形
      "bbox": [x_min, y_min, 框宽, 框高], // 目标的外接矩形
      "area": 目标区域的面积值,
      "iscrowd": 0 // 固定0就行，你的场景不需要crowd标注
    },
    // 所有图像的标注都放在这里
  ],
  "categories": [
    {
      "id": 1,
      "name": "anchor" // 你的目标类别
    }
  ]
}

针对你标注里的两种形状，处理方式要注意：

• 多边形（polygon）：直接把标注里的points列表按顺序展开成一维数组，放到segmentation字段即可。
• 圆形（circle）：Mask RCNN不支持原生的圆形mask，你得把圆形转换成近似的多边形（比如用32个点拟合圆周就足够精确了），再把这些点的坐标放到segmentation里；同时计算圆形的外接矩形作为bbox，面积用圆的面积公式πr²计算就行。

你可以写个简单的Python脚本批量处理：遍历所有图像和对应的JSON，收集图像的宽高信息，转换标注形状，最后把所有内容整合成上面的格式。

疑问1：如何修改export_boxes和load_mask函数？ #

我分两种场景给你示例代码，优先推荐用合并后的方案：

场景1：已经合并为单个总JSON（推荐） #

这种情况下，参考官方Balloon数据集的实现，做少量调整就能适配：

1. 修改load_mask函数

这个函数的作用是返回当前图像对应的mask数组和类别ID，核心逻辑是根据图像ID匹配标注，再生成mask：

def load_mask(self, image_id):
    # 获取当前图像的基本信息
    info = self.image_info[image_id]
    # 从总标注里筛选出当前图像的所有标注
    annotations = [a for a in self.dataset['annotations'] if a['image_id'] == info['id']]
    
    count = len(annotations)
    # 初始化mask数组（形状：图像高×图像宽×标注数量）
    mask = np.zeros([info['height'], info['width'], count], dtype=np.uint8)
    class_ids = np.zeros(count, dtype=np.int32)
    
    for i, ann in enumerate(annotations):
        # 把segmentation的一维数组转成二维点集
        polygon = np.array(ann['segmentation']).reshape(-1, 2)
        # 用skimage生成多边形mask
        rr, cc = skimage.draw.polygon(polygon[:, 1], polygon[:, 0])
        mask[rr, cc, i] = 1
        # 设置类别ID（这里假设你的类别anchor对应的id是1）
        class_ids[i] = self.class_names.index(ann['category_id'])
    
    return mask.astype(np.bool), class_ids.astype(np.int32)

2. 修改export_boxes函数

这个函数用来导出目标的边界框信息，直接从标注里提取bbox即可：

def export_boxes(self, dataset):
    boxes = []
    for image_id in dataset.image_ids:
        info = dataset.image_info[image_id]
        annotations = [a for a in dataset.dataset['annotations'] if a['image_id'] == info['id']]
        for ann in annotations:
            bbox = ann['bbox']
            # 把[x_min, y_min, 宽, 高]转成[x_min, y_min, x_max, y_max]格式
            boxes.append({
                'image_id': image_id,
                'file_name': info['file_name'],
                'bbox': [bbox[0], bbox[1], bbox[0]+bbox[2], bbox[1]+bbox[3]],
                'class_id': ann['category_id'],
                'class_name': dataset.class_names[ann['category_id']]
            })
    return boxes

场景2：不合并，保留单图单JSON（不推荐） #

如果实在不想合并，那就要在函数里根据图像路径找到对应的JSON文件，再解析标注：

1. 修改load_mask函数

def load_mask(self, image_id):
    info = self.image_info[image_id]
    # 假设JSON和图像同目录，后缀替换成.json（比如xxx.jpg对应xxx.json）
    json_path = os.path.splitext(info['path'])[0] + '.json'
    
    with open(json_path, 'r') as f:
        annotations = json.load(f)
    
    count = len(annotations)
    mask = np.zeros([info['height'], info['width'], count], dtype=np.uint8)
    class_ids = np.zeros(count, dtype=np.int32)
    
    for i, ann in enumerate(annotations):
        # 设置类别ID
        class_ids[i] = self.class_names.index(ann['label'])
        if ann['shape_type'] == 'polygon':
            points = np.array(ann['points']).reshape(-1, 2)
            rr, cc = skimage.draw.polygon(points[:, 1], points[:, 0])
            mask[rr, cc, i] = 1
        elif ann['shape_type'] == 'circle':
            # 把圆形转成32个点的多边形
            center_x, center_y = ann['points'][0]
            # 计算半径：两点之间的距离
            radius = np.linalg.norm(np.array(ann['points'][1]) - np.array(ann['points'][0]))
            # 生成圆周上的点
            theta = np.linspace(0, 2*np.pi, 32)
            x = center_x + radius * np.cos(theta)
            y = center_y + radius * np.sin(theta)
            polygon = np.stack([x, y], axis=1)
            rr, cc = skimage.draw.polygon(polygon[:, 1], polygon[:, 0])
            mask[rr, cc, i] = 1
    
    return mask.astype(np.bool), class_ids.astype(np.int32)

2. 修改export_boxes函数

def export_boxes(self, dataset):
    boxes = []
    for image_id in dataset.image_ids:
        info = dataset.image_info[image_id]
        json_path = os.path.splitext(info['path'])[0] + '.json'
        
        with open(json_path, 'r') as f:
            annotations = json.load(f)
        
        for ann in annotations:
            if ann['shape_type'] == 'polygon':
                points = np.array(ann['points'])
                # 计算多边形的外接矩形
                x_min = np.min(points[:, 0])
                y_min = np.min(points[:, 1])
                x_max = np.max(points[:, 0])
                y_max = np.max(points[:, 1])
            elif ann['shape_type'] == 'circle':
                center_x, center_y = ann['points'][0]
                radius = np.linalg.norm(np.array(ann['points'][1]) - np.array(ann['points'][0]))
                x_min = center_x - radius
                y_min = center_y - radius
                x_max = center_x + radius
                y_max = center_y + radius
            
            boxes.append({
                'image_id': image_id,
                'file_name': info['file_name'],
                'bbox': [x_min, y_min, x_max, y_max],
                'class_id': dataset.class_names.index(ann['label']),
                'class_name': ann['label']
            })
    return boxes

最后给你个小提醒：不管用哪种方案，一定要确保标注的坐标是像素单位，和图像的实际分辨率匹配；圆形转多边形时，点数不用太多，32个点就足够平衡精度和效率了。

内容的提问来源于stack exchange，提问作者y_1234