前期准备

思路就是通过使用一个mask掩膜，对我们想要屏蔽或者选择的区域进行定向遮挡或者定向选择，在训练的时候v5需要加载数据即图片和标注信息，我们在数据加载的过程中，将掩膜覆盖到输入图像上，即完成了屏蔽区域/选择区域训练。

labelme选择mask区域

标注好我们想检测的区域之后，我这里将标注区域命名成了mask，然后我们点击保存导出json文件：

然后我们再打开终端，cd到json所在的文件夹路径下，输入如下命令：

labelme_json_to_dataset xxx.json

这里有的兄弟会遇到一些报错，主要原因还是环境的版本问题，可以在网上查到，替换一下对应版本的库就行了。

我们就会在这个路径下获得一个文件夹：

打开文件夹之后会看到里面有这么五个文件，我们需要的就是label.png，其他的不用管：

到这里，我们的前期准备工作就完成了。

代码改动

打开utils/datasets.py文件，在代码的最面前，首先读取mask图像，然后将其转成二值图像：

然后再下方设置好超参数，方便在训练和检测时的设置：

要想对训练时的图像加载的图像进行操作，显然我们首先要到train.py中寻找数据加载的函数，我们可以定位到train函数下调用的create_dataloader()函数：

摁住ctrl+左键进入该函数：
来到了utils/datasets.py下的函数：

这里我们注意到该函数返回的dataset是通过LoadImagesAndLabels()函数来读取的，进入该函数之后，我们往下拉，找到加载图片的代码，可以在getitem()函数中看到：

查看这一段代码，我们发现当设置mosaic的时候，是一种加载方式，当未设置mosaic的时候就是直接加载的方式，v5默认的是mosaic之后再训练，因此我们直接进入load_mosaic()函数中：

进入到load_mosaic()函数之后，我们发现代码先调用load_image()函数来读取图像，然后通过顺序判断来进行mosaic组合，我们这里继续进入load_image()函数中，感觉胜利即将在前方了：

果然在进入load_image之后我们看到了加载图像的那句代码！这里的红框就是我自己加的代码，通过bool型来判断是否需要进行mask以及mask的作用是屏蔽还是选择，而这些bool型变量已经在这篇博客的开始被我们定义好了，可以根据需求来排列组合。这样就完成了我们的选择区域/屏蔽区域训练的需求。