labelme使用教程_labelme和labelimg区别
labelme使用教程_labelme和labelimg区别
大家好，又见面了，我是你们的朋友全栈君。
LabelMe 可用于实例分割，语义分割，目标检测，分类任务的数据集标注工作。
在线标注版本：http://labelme2.csail.mit.edu/Release3.0/index.php?message=1 python 版本：https://github.com/wkentaro/labelme
官方文档：
分类标注：Classification 目标检测标注：Object Detection 语义分割标注：Semantic Segmentation 实例分割标注：Instance Segmentation 视频标注：Video Annotation 其他形式标注：LabelMe Primitives
python版本使用
使用环境：Anaconda python版本：2.7 / 3.6
1. 安装
# python2.7版本安装
conda create --name=labelme python=2.7
source activate labelme
# conda install -c conda-forge pyside2
conda install pyqt
pip install labelme
# if you'd like to use the latest version. run below:
# pip install git+https://github.com/wkentaro/labelme.git
# python3.6版本安装
conda create --name=labelme python=3.6
source activate labelme
# conda install -c conda-forge pyside2
# conda install pyqt
pip install pyqt5 # pyqt5 can be installed via pip on python3
pip install labelme2. 使用
# 查看labelme使用方法
labelme --help
(labelme) @supermicro:~$ labelme --help
usage: labelme [-h] [--version] [--reset-config]
[--logger-level {
debug,info,warning,fatal,error}]
[--output OUTPUT] [--config CONFIG_FILE] [--nodata]
[--autosave] [--nosortlabels] [--flags FLAGS]
[--labelflags LABEL_FLAGS] [--labels LABELS]
[--validatelabel {
exact,instance}] [--keep-prev]
[--epsilon EPSILON]
[filename]
positional arguments:
filename image or label filename
optional arguments:
-h, --help show this help message and exit
--version, -V show version
--reset-config reset qt config
--logger-level {
debug,info,warning,fatal,error}
logger level
--output OUTPUT, -O OUTPUT, -o OUTPUT
output file or directory (if it ends with .json it is
recognized as file, else as directory)
--config CONFIG_FILE config file (default: /home/zyy/.labelmerc)
--nodata stop storing image data to JSON file
--autosave auto save
--nosortlabels stop sorting labels
--flags FLAGS comma separated list of flags OR file containing flags
--labelflags LABEL_FLAGS
yaml string of label specific flags OR file containing
json string of label specific flags (ex. {
person-\d+:
[male, tall], dog-\d+: [black, brown, white], .*:
[occluded]})
--labels LABELS comma separated list of labels OR file containing
labels
--validatelabel {
exact,instance}
label validation types
--keep-prev keep annotation of previous frame
--epsilon EPSILON epsilon to find nearest vertex on canvas- -h 或 –help 显示帮助信息
- -V 或 –version 显示 labelme 版本号
- –output：指定输出标注文件的保存路径，如果路径以 .json 结尾，则保存为一个 .json 文件，否则默认保存为文件夹形式
- –labels：用于指定标签名称，可以是用逗号分隔的 label list，也可以是包含标签的 txt 文件
- –nodata：不保存图像到 JSON 文件
3. 分割任务标注示例
终端直接输入：
# 直接打开labelme
labelme- open：打开某一张图片
- openDir：打开某一文件夹，加载其目录下的所有图片
通过 open 读取图片，选择 create polygons 手动进行勾画，全部完成后保存为 json 文件（在当前目录下）：
右键单击可以选择不同的标注方式，比如 polygons 用于分割，rectangle 用于检测。
如果是实例分割，一个图像中有多只猫，标签的命名规则为：cat1、cat2 …，如果是语义分割就不用区分了。
labelme 可以进行多类别标注，Label List 显示当前已有的类别，Polygon Labels 显示当前已标注的区域，通过勾选 Polygon Labels 前面的 “√”，可以选择显示特定的分割区域：
要得到 label 文件，需要将 json 转换为单通道的 image，终端输入命令：
# 进入json文件保存目录
cd /path/to/your/jsonfile
# 转换
labelme_json_to_dataset <文件名>.json
# 比如
labelme_json_to_dataset cat.1.json将在当前目录下得到一个文件夹 cat_1_json，包括四个文件：
- img.png：原始图像
- label.png：标签，uint8
- label_viz.png：可视化的带标签图像
- label_names.txt：记录了标签的名称
img.png
label.png：
label_viz.png：
4. 其他说明
（1）启动 labelme 的方式：
# 直接打开labelme
labelme
# 打开某个文件夹，加载该文件夹下及其子文件夹下的所有图片
labelme path/to/imgfile/
# 直接打开指定的图片
labelme cat.1.jpg
# 标注保存为json文件同时自动关闭gui窗口
labelme cat.1.jpg -O cat.1.jpg.json
# 指定label list
labelme cat.1.jpg \
--labels cat,eye
# 或者传入文件形式的label list
--labels labels.txt（2）将 JSON 文件转换为 image 和 label
# 在当前目录下生成一个文件夹cat_1_json
labelme_json_to_dataset cat.1.json
# 指定生成文件夹的名字为cat1
labelme_json_to_dataset cat.1.json -o cat1（3）可视化 json 文件：
# 终端输入
labelme_draw_json cat.1.json
5. 加载标签png
label.png 用 scipy.misc.imread 或者 skimage.io.imread 读取可能会出错，推荐用 PIL.Image.open 读取：
>>> import numpy as np
>>> import PIL.Image
>>> label_png = 'imgs/cat1/label.png' # 设置标签文件路径
>>> lbl = np.asarray(PIL.Image.open(label_png))
>>> print(lbl.dtype)
dtype('uint8')
>>> np.unique(lbl)
array([0, 1, 2], dtype=uint8)
>>> lbl.shape
(280, 300)查看 label.png：
# 终端输入
labelme_draw_label_png imgs/cat1/label.png
6. 生成VOC格式的标签数据
在下载的 labelme 的 zip 包里，路径 labelme/examples/semantic_segmentation 下，data_annotated 是原图和对应的 JSON 文件，data_dataset_voc 是 voc 格式的输出结果，labelme2voc.py 是转换的主函数，labels.txt 是标签类别。
1）文件组织形式如下：
*_annotated存放原图和已经生成的对应 JSON 文件- 将 labelme 工程文件下的 labelme2voc.py 复制过来
- 自己写一个
*.txt文件，内容是分割的标签，最前面加上__ignore__和_background_
2）转换为voc数据格式：
# 终端输入
./labelme2voc.py [图像路径] [voc文件夹名称] --labels [label list]
# 比如
./labelme2voc.py cat_annotated cat_dataset_voc --labels labels.txt在当前目录下自动生成 cat_dataset_voc 文件夹（转换前确保不要有重名文件夹，否则会报错）
cat_dataset_voc 文件夹内容：
转换为 COCO 数据格式，同样的套路：
./labelme2coco.py data_annotated data_dataset_coco --labels labels.txt版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/194661.html原文链接：https://javaforall.cn