部署从零开始的目标检测和关键点检测（一）：用labelme标注数据集从零开始的目标检测和关键点检测（三）：训练一个Glue的RTMPose模型在[1]用labelme标注自己的数据集中已经标注好数据集(关键点和检测框)，通过labelme2coco

问题背景使用labelme对自己的工业数据集进行了标注，得到原图和标注的json文件，如下图所示：因为自己前期用的是图片+mask的数据集格式进行训练，所以也想接着用这种格式，那么接下来就要进行图像转换，我用的labelme2coco

Expecteda'cuda'devicetypeforgeneratorbutfound'cpu'：三、云端训练四、云端训练结束时出现的错误前言yolact训练自己的服装数据集，服装数据集采用labelme进行标注，采用labelme2COCO

#-*-coding:utf-8-*-importargparseimportjsonimportmatplotlib.pyplotaspltimportskimage.ioasio#importcv2fromlabelmeimportutilsimportnumpyasnpimportglobimportPIL.ImageclassMyEncoder(json.JSONEncoder):defd

新建一个labels的txt里面填进去你标注的类型，如标注了cat这一类：将image和labelme2coco放到同一个文件夹下，我放到了D盘的dataset文件夹下：打开cmd进入到目标文件夹下D:

一、下载labelme2coco-master，并cd进去后运行pipinstalllabelme2coco进行安装可直接在此处下载安装对应版本labelme2coco软件，也可找到github版本，cd

1.数据转换labelme2coco，原来是labelme标注的points通过opencv转为4个坐标#encoding=utf-8importargparseimportcollectionsimportdatetimeimportglobimportjsonimportosimportos.pathasospimportsysimportuuidimportcv2importimgvizim

数据处理——labelme2coco运行方式原代码运行方式pythonlabelme2coco.py./labelme/./data_dataset_coco/--labelsclass.txt注：.

importargparseimportjsonimportmatplotlib.pyplotaspltimportskimage.ioasioimportcv2fromlabelmeimportutilsimportnumpyasnpimportglobimportPIL.Imageimportsys,osfromshapely.geometryimportPolygonclasslabelme