labelme图像标注_ai标注工具

labelme图像标注_ai标注工具参考:https://blog.csdn.net/u011574296/article/details/79740633在做目标检测任务时,需要用到labelImg进行画框标注,在之前的文章中已经介绍过该工具的使用方法。然而如果是做语义分割的任务时,就不能只是标注框里,需要用另外一种工具labelme进行标注,本文对该工具的安装使用方法进行介绍。官方教程:https://github.co…

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

参考:https://blog.csdn.net/u011574296/article/details/79740633

在做目标检测任务时,需要用到labelImg进行画框标注,在之前的文章中已经介绍过该工具的使用方法。然而如果是做语义分割的任务时,就不能只是标注框里,需要用另外一种工具labelme进行标注,本文对该工具的安装使用方法进行介绍。

官方教程:https://github.com/wkentaro/labelme#anaconda

1 安装方法

1.1 Ubuntu

# Ubuntu 14.04 / Ubuntu 16.04
# Python2
# sudo apt-get install python-qt4  # PyQt4
sudo apt-get install python-pyqt5  # PyQt5
sudo pip install labelme
# Python3
sudo apt-get install python3-pyqt5  # PyQt5
sudo pip3 install labelme

1.2 Windows

========20210525更新==========

windows 上直接下载可执行文件即可,不需要再执行下边的安装步骤

============以下内容可忽略============

首先确保电脑上安装好python和pip,具体安装方法参考这个链接的第1、第2步即可

下载安装anaconda,选择适合自己python版本以及对应系统的,一路默认安装就可以。

安装好后在程序里选择prompt,相当于windows下的cmd,只不过运行目录直接在anaconda下。

labelme图像标注_ai标注工具

然后在prompt里依次输入如下指令:

conda create --name=labelme python=2.7(这一步python=*选择自己的Python版本)
activate labelme
conda install pyqt
pip install labelme

下次启动的时候先启动labelme的conda环境,即按照以下步骤启动

activate labelme
labelme

启动后找到目标文件夹,在使用过程中发现,如果存在中文路径或中文名字的时候,会报编码相关的错,暂时还没有找到解决方法,因此文件中不要出现中文

2 使用方法

2.1 启动

在终端执行以下命令:

labelme

打开如下页面

labelme图像标注_ai标注工具

2.2 标注

点击open dir,选择标注文件所在的文件夹,然后开始标注。注意标注的时候,假如你要标注的对象为人和狗,在画掩码过程中,一幅图像中如果有多个person、dog,命名规则为person1、person2…… dog1、dog2……。因为labelme生成的标签为一个label.png文件,这个文件只有一通道,在你标注时同一标签mask会被给予一个标签位,而mask要求不同的实例要放在不同的层中。最终训练索要得到的输入为一个w*h*n的ndarray,其中n为该图片中实例的个数。(如果是做语义分割,则没必要如此区分)

labelme图像标注_ai标注工具

标注完成后,会生成一个json文件

3 文件转换

标注完成后,我们得到原图和对应的 json 文件,需要转化成 colormap 标注图,在 labelme 项目中,已经提供了各种转化脚本,我们直接使用即可

git clone https://github.com/wkentaro/labelme.git
cd ./labelme/examples/semantic_segmentation/

然后把图片和 json 文件全部拷贝到 data_annotated 文件夹下,然后运行以下脚本

python labelme2voc.py data_annotated/ data_dataset_voc --labels labels.txt --noviz

生成 data_dataset_voc 文件夹,保存了标注图片 

.
├── data_annotated
│   ├── 2011_000003.jpg
│   ├── 2011_000003.json
│   ├── 2011_000006.jpg
│   ├── 2011_000006.json
│   ├── 2011_000025.jpg
│   └── 2011_000025.json
├── data_dataset_voc
│   ├── class_names.txt
│   ├── JPEGImages
│   │   ├── 2011_000003.jpg
│   │   ├── 2011_000006.jpg
│   │   └── 2011_000025.jpg
│   ├── SegmentationClass
│   │   ├── 2011_000003.npy
│   │   ├── 2011_000006.npy
│   │   └── 2011_000025.npy
│   ├── SegmentationClassPNG
│   │   ├── 2011_000003.png
│   │   ├── 2011_000006.png
│   │   └── 2011_000025.png
│   └── SegmentationClassVisualization
│       ├── 2011_000003.jpg
│       ├── 2011_000006.jpg
│       └── 2011_000025.jpg
├── labelme2voc.py
├── labels.txt
└── README.md

 

 
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-用户IM,转载请注明出处:https://javaforall.cn/194737.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号