不想安装anaconda，我还想用labelme

labelme的作用

  labelme是作为图像标注的工具，一般用于在前期需要标注的数据集的制作。一般都是关于图像的数据的识别需要类似标注。

labelme的安装

个人安装过程，小白，多有见谅。

labelme的安装的命令行如下：
sudo apt-get install python-qt4 pyqt4-dev-tools 这里主要是要一个显示界面
sudo pip install labelme

在安装过程中的问题

1.sudo apt-get install python-qt4 pyqt4-dev-tools

错误： ubuntu命令“sudo apt-get install”无法定位软件包?

解决：
  1.添加镜像源，运行代码：
sudo vim /etc/apt/sources.list
这里建议更改为gedit更加方便
sudo gedit /etc/apt/sources.list
  2.更新源
sudo apt-get update
sudo apt-get upgrade

2.之后继续执行1代码，出现别的错误

错误：出现这种原因是因为已经存在高版本的依赖或包，不需要在安装了，如果一定要安装可在对应安装的包添加具体的版本。

解决：可以暂时无视，查看后续的安装是否有影响。

3.sudo pip install labelme

错误：pip 找不到命令

解决：执行命令sudo apt install python3-pip
之后安装直接yes。

4.命令行输入labelme

安装完成

labelme的使用

1.创建文件夹labelme，需要标记的原始数据的文件夹images，名字随意，也可以是数据集合。输入语句：labelme images --labels labels.txt --nodata --validatelabel exact --config ‘{shift_auto_shape_color: -2}’ 进入labelme开始标注。保存为相同images文件夹下的json文件。
2.创建一个txt的文件，语句：touch labels.txt 内容为 ignore background +自定义类型，自定义类型没有_，ignore有两个_ ，background只有一个_。
3.创建python文件，1.py 将github上的转换代码粘贴到1.py 之后属性中更改权限为可知性文件。
4.输入语句：python3 1.py images target --labels labels.txt images是之前的需要标注的.jpg文件的文件夹， target是打算防治我们label标注之后的数据的文件夹。

文件结构如下

labelme
images
label.txt

target

转换代码

#!/usr/bin/env python

from __future__ import print_function

import argparse
import glob
import os
import os.path as osp
import sys

import imgviz
import numpy as np

import labelme


def main():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter
    )
    parser.add_argument("input_dir", help="input annotated directory")
    parser.add_argument("output_dir", help="output dataset directory")
    parser.add_argument("--labels", help="labels file", required=True)
    parser.add_argument(
        "--noviz", help="no visualization", action="store_true"
    )
    args = parser.parse_args()

    if osp.exists(args.output_dir):
        print("Output directory already exists:", args.output_dir)
        sys.exit(1)
    os.makedirs(args.output_dir)
    os.makedirs(osp.join(args.output_dir, "JPEGImages"))
    os.makedirs(osp.join(args.output_dir, "SegmentationClass"))
    os.makedirs(osp.join(args.output_dir, "SegmentationClassPNG"))
    if not args.noviz:
        os.makedirs(
            osp.join(args.output_dir, "SegmentationClassVisualization")
        )
    print("Creating dataset:", args.output_dir)

    class_names = []
    class_name_to_id = {}
    for i, line in enumerate(open(args.labels).readlines()):
        class_id = i - 1  # starts with -1
        class_name = line.strip()
        class_name_to_id[class_name] = class_id
        if class_id == -1:
            assert class_name == "__ignore__"
            continue
        elif class_id == 0:
            assert class_name == "_background_"
        class_names.append(class_name)
    class_names = tuple(class_names)
    print("class_names:", class_names)
    out_class_names_file = osp.join(args.output_dir, "class_names.txt")
    with open(out_class_names_file, "w") as f:
        f.writelines("\n".join(class_names))
    print("Saved class_names:", out_class_names_file)

    for filename in glob.glob(osp.join(args.input_dir, "*.json")):
        print("Generating dataset from:", filename)

        label_file = labelme.LabelFile(filename=filename)

        base = osp.splitext(osp.basename(filename))[0]
        out_img_file = osp.join(args.output_dir, "JPEGImages", base + ".jpg")
        out_lbl_file = osp.join(
            args.output_dir, "SegmentationClass", base + ".npy"
        )
        out_png_file = osp.join(
            args.output_dir, "SegmentationClassPNG", base + ".png"
        )
        if not args.noviz:
            out_viz_file = osp.join(
                args.output_dir,
                "SegmentationClassVisualization",
                base + ".jpg",
            )

        with open(out_img_file, "wb") as f:
            f.write(label_file.imageData)
        img = labelme.utils.img_data_to_arr(label_file.imageData)

        lbl, _ = labelme.utils.shapes_to_label(
            img_shape=img.shape,
            shapes=label_file.shapes,
            label_name_to_value=class_name_to_id,
        )
        labelme.utils.lblsave(out_png_file, lbl)

        np.save(out_lbl_file, lbl)

        if not args.noviz:
            viz = imgviz.label2rgb(
                lbl,
                imgviz.rgb2gray(img),
                font_size=15,
                label_names=class_names,
                loc="rb",
            )
            imgviz.io.imsave(out_viz_file, viz)


if __name__ == "__main__":
    main()
    

要吃饭了，后面有些粗糙，见谅，其他的转换文件的代码可以查看geihub上的网址，点击链接即可。溜溜球，干饭。