语义分割或实例分割模型训练，如何利用数据增强手段，减少手工标注的工作量

Question

对于语义分割或实例分割模型的训练，其需要对原始图片进行事先标注。而这种标注一般都是手工处理，难以提供大量训练数据集。貌似这个标注工作都是通过外包（本质还是要靠人工标注实现）。
然而，数据集的扩充是可以通过数据增强的方式来实现的。不知道是否可以实现数据增强的同时，标注好的数据集，也同时进行增强。这样就可以避免或大大减少手工标注的工作量。。
我的个人理解是，数据增强可以通过代码简单实现，如平移、翻转、加噪、旋转等，相应的标注文件理论上来说，也可以通过代码实现相同的处理方式，从而生成新的数据集。。。
网搜了半天，貌似都没有相关的文章或代码，不知道有没高手可以帮忙指点下。。
我个人曾经试过Mask-RCNN模型的训练，用labelme进行数据标注。。后面用数据增强的方式，对原始图片进行了增强。同时也对标注生成的mask图片做了相同的增强处理。。。但是无法对labelme标注后生成的json文件进行修改（因为翻转、旋转等手段，其坐标值改变较多，需要比较复杂的计算，才能获取正确的数值---本人不会）。。。结果将新的数据集进行训练时，会报错：File "D:\python_files\Mask_RCNN-master\Mask-RCNN.py", line 201, in dataset_train.load_shapes(count, img_folder, mask_folder, imglist, dataset_root_path) File "D:\python_files\Mask_RCNN-master\Mask-RCNN.py", line 143, in load_shapes width=cv_img.shape[1], height=cv_img.shape[0], mask_path=mask_path, yaml_path=yaml_path) AttributeError: 'NoneType' object has no attribute 'shape'
---如果使用原始的数据集，则是正常训练（说明模型训练时，应该还是用到了json文件）。。。求高手指点~~

Answer 1

是读取图片出现错误吧 没正常读取到图 检查下图片路径