DeepLab 语义分割，通过坐标替换掩码

我有一些图像被分成几个类别。

所有区域都是矩形，而不是复杂的区域。所以我的数据集包括：

[
   image,GT:[
      {
         x0:
         y0:
         x1:
         y1:
         label:
      }
   ]

我想使用预训练的（在 VOC_2012 上）Deeplab model 并在我的数据上对其进行训练。知道形状是简单的矩形，我是否仍然必须为每个图像创建一个 png 蒙版，还是可以保持数据原样，然后即时创建蒙版？

它是否相关/值得吗？（数据集由 50 万张图片组成，总共约 50GB）