目前VisionTrain的各类版本中，暂不支持对图像分割的各个类别做样本筛选，只支持OK和NG的搜索方法。

在日常使用中，尤其是多分类分割任务下，可能会遇到以下情况：

1.     多位操作员进行标注，在数据合并后发现有因为拼音错误、手误等原因，导致出现新的类别，但数据量庞大，定位该类别的出现位置十分困难

2.     对于某个类别的标注，需要合并或更改类别名，使类别区分更加合理

3.     多位操作员进行标注，但类别名顺序不同，合并后导致label_color乱序的情况

了解原理：

VisionTrain的图像分割在标注后，会生成原图带有的gt文件（或称作掩膜图）以及对应xml文件：

其中xml是根据gt图生成的点坐标和类别信息，类似htm的格式。可以看到类别对应<flags>class</flags>：

结论：只需要匹配查找到所需要的类别名，再做相应操作（如替换）即可

解决思路：

下面根据python正则匹配方法找到类别青斑：

1. 记录文件路径

    上述查找文件的方法比较局限，简单的用点符号定位，各位根据所需可以继续拓展。

2. 匹配对象格式：pattern = re.compile(r'(<flags>)+(青斑)+(</flags>)+')

    
    若需要全部查找或合并，则为pattern = re.compile(r'(<flags>)+.*+(</flags>)+')

3. 根据列表存储的xml绝对路径，打开文件，逐行匹配，找到该类别则输出绝对路径，方便复制路径，以找到该文件。

4. 运行结果，复制第二行的文件路径，到训练集中即可找到。

同理，也可根据匹配到的字符串，直接修改此类别名。

1. 如下图，修改f.write()方法，objText为需替换的字符，即匹配到的所有字符，changeText则是替换内容。

2. 打开visionTrain观察到类别已全部被修改 

    
3.  统一修改的方式同步也解决了label_color乱序的问题