确保预处理方式相同。

SegFormer/scripts/1_convert_coco_to_segformer.py

@@ -97,11 +97,61 @@ class COCOToSegFormerConverter:
         
         return np.array(mask)
     
+    def _rle_to_mask(self, rle: Dict, image_size: Tuple[int, int]) -> np.ndarray:
+        """
+        将COCO的RLE (Run-Length Encoding) 格式转换为像素级mask
+        
+        RLE格式说明：
+        - counts: [v1, v2, v3, ...] 交替表示背景和前景的像素数量
+        - 从背景(0)开始，然后是前景(1)，再是背景(0)，依此类推
+        - 像素顺序：从左到右，从上到下（行优先）
+        
+        Args:
+            rle: COCO的RLE字典，格式为 {"counts": [n1, n2, ...], "size": [height, width]}
+            image_size: 图像尺寸 (width, height)
+        
+        Returns:
+            mask: 二值mask数组 (H, W)，1表示目标区域，0表示背景
+        """
+        width, height = image_size
+        
+        # 获取RLE的counts
+        if 'counts' in rle:
+            counts = rle['counts']
+        else:
+            print(f"    ⚠️  警告: RLE格式不包含counts字段")
+            return np.zeros((height, width), dtype=np.uint8)
+        
+        # 创建一维数组
+        mask = np.zeros(height * width, dtype=np.uint8)
+        
+        current_pos = 0
+        current_value = 0  # 从背景开始
+        
+        for count in counts:
+            # 如果当前是前景(1)，填充mask
+            if current_value == 1:
+                mask[current_pos:current_pos + count] = 1
+            
+            # 移动位置
+            current_pos += count
+            
+            # 切换值（0 -> 1 -> 0 -> 1 ...）
+            current_value = 1 - current_value
+        
+        # 重塑为2D数组 (H, W)
+        mask = mask.reshape((height, width))
+        
+        return mask
+    
     def _merge_annotations(self, image_id: int, image_size: Tuple[int, int]) -> np.ndarray:
         """
         合并一张图像的所有标注为单一mask
         
         由于用户标注时所有食材区域都是同一类别，我们需要将同一图像的多个标注合并
+        支持两种格式：
+        1. Polygon格式: segmentation 是列表的列表
+        2. RLE格式: segmentation 是包含 'counts' 字段的字典
         
         Args:
             image_id: COCO图像ID
@@ -120,11 +170,24 @@ class COCOToSegFormerConverter:
         
         # 将所有标注合并到同一个mask
         for ann in annotations:
-            if 'segmentation' in ann and isinstance(ann['segmentation'], list):
-                # 转换polygon为mask
-                obj_mask = self._polygon_to_mask(ann['segmentation'], image_size)
-                # 合并到总mask（取并集）
-                merged_mask = np.maximum(merged_mask, obj_mask)
+            if 'segmentation' not in ann:
+                continue
+            
+            segmentation = ann['segmentation']
+            
+            # 判断是RLE格式还是Polygon格式
+            if isinstance(segmentation, dict) and 'counts' in segmentation:
+                # RLE格式
+                obj_mask = self._rle_to_mask(segmentation, image_size)
+            elif isinstance(segmentation, list) and len(segmentation) > 0:
+                # Polygon格式
+                obj_mask = self._polygon_to_mask(segmentation, image_size)
+            else:
+                print(f"    ⚠️  警告: 未知的segmentation格式: {type(segmentation)}")
+                continue
+            
+            # 合并到总mask（取并集）
+            merged_mask = np.maximum(merged_mask, obj_mask)
         
         return merged_mask
     
@@ -247,7 +310,7 @@ def main():
     """
     
     # ==================== 配置区 ====================
-    # TODO: 请根据您的实际路径修改以下三个变量
+    # 请根据您的实际路径修改以下三个变量
     
     # CVAT导出的COCO标注文件（通常名为instances_default.json）
     COCO_JSON_PATH = "d:/MyProjects/PythonProjects/FoodClassifier/SegFormer/data/raw_coco/annotations/instances_default.json"