大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

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 labelme

2. 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