深度学习图像标注软件labelme使用教程

labelme使用方法

配置环境

win10
anaconda3(2022.05)
label(5.0.1)
官方代码不能使用可能是版本问题

官方教程

图像分类
目标检测
语义分割
实例分割
视频标注
其他形式标注
后文所用代码参考官方教程

安装labelme

# python3
conda create --name=labelme python=3.6
conda activate labelme
# conda install -c conda-forge pyside2
# conda install pyqt
# pip install pyqt5  # pyqt5 can be installed via pip on python3
pip install labelme
# or you can install everything by conda command
# conda install labelme -c conda-forge

（安装失败试试手机热点）
输入labelme打开，打开后界面如下

使用之后的方法都需要先激活环境

conda activate lableme

打开文件夹的操作之后不做说明

基础标注

打开labelme后，在图片上右键点击选择形状后，即可进行基础标注
标注完成后会生成图片对应的json文件

图像分类

方法一

labelme --flags car,people #打开labelme

效果如下

方法二
创建一个txt文件

输入指令打开labelme

labelme --flags F:\labelme_test\flags.txt #注意文件路径

效果同方法一

目标检测

创建一个txt文件

__ignore__和_background_必须要有，其余是图像数据包含的类别
输入指令打开labelme

labelme --labels F:\labelme_test\labels.txt #注意文件路径

标注完效果如下

将标注完成的文件转为voc格式

python ./labelme2voc.py F:\labelme_test\bbox_detection F:\labelme_test\bbox_detection\bbox_detection_voc --labels F:\labelme_test\labels.txt

注意各文件路径，bbox_detection是原始图片的保存路径，bbox_detection_voc是生成文件保存路径，同时确保当前路径下有labelme2voc.py文件

若提示缺少lxml，则安装lxml

pin install lxml

若出现以下错误，参考解决方案，我使用的是第二种

运行成功后生成如下文件夹

最终效果如下

语义分割

方法同目标检测
仅最后运行的代码labelme2voc.py不同 名称相同，内容不同
同时第80行需做出以下更改

lbl= labelme.utils.shapes_to_label(       #before
lbl, _ = labelme.utils.shapes_to_label(   #after

实例分割

情况同语义分割
需要注释第96行

进行实例分割后得到的结果会包含语义分割的结果