图片标注工具Labelme-简明使用教程
前言
记录Labelme的使用方法,方便快速上手使用。
labelme简介
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
python版本
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
安装
所有操作在已经安装Anaconda环境下运行
1.安装pyqt5
pip install pyqt5 -i https://pypi.tuna.tsinghua.edu.cn/simple
2.安装labelme
pip install labelme -i https://pypi.tuna.tsinghua.edu.cn/simple
3.安装完成后命令行启动labelme
labelme
使用
此处打开一个图片文件夹做示范:
1.点击左侧Open Dir选择需要标注的数据文件夹。
2.在顶部 edit 菜单栏中可选不同的标记方案,依次为:多边形(默认),矩形,圆、直线,点。
3.制作图像分割的数据,选择多边形,点击左侧的 create polygons ,回到图片,按下鼠标左键会生成一个点,完成标注后会形成一个标注区域,同时弹出labelme的框,键入标签名字,点击 OK或者回车完成标注。
1.如果需要更改标注的数据,可以选择左侧的编辑框,或者把鼠标移动到标签上,点击鼠标右键,可以选择编辑标签或者标注的名字。在编辑模式下,把鼠标移动到边界上,右键,可以增加点。
2.标注完成后点击Save保存。会在图片路径下生成同名的json文件。在目录下打开终端键入:
labelme_json_to_dataset <文件名>.json
会把生成的json转化成对应的数据文件:
*.png
info.yaml
label.png
label_names.txt
label_viz.png
常用命令
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
4.生成VOC格式的标签数据
1.在目录下新建一个labels.txt文件,内容是分割的标签,默认内容设置如下:
2.新建一个labelme2voc.py文件。
内容可以从labelme工程目录下的labelme2voc.py文件拷贝过来,或者使用如下代码。
#!/usr/bin/env pythonfrom __future__ import print_functionimport argparse
import glob
import os
import os.path as osp
import sysimport imgviz
import numpy as npimport labelmedef 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 -1class_name = line.strip()class_name_to_id[class_name] = class_idif class_id == -1:assert class_name == "__ignore__"continueelif 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(label=lbl,img=imgviz.rgb2gray(img),font_size=15,label_names=class_names,loc="rb",)imgviz.io.imsave(out_viz_file, viz)if __name__ == "__main__":main()
3.转换为voc数据格式
# 终端输入
python labelme2voc.py [图像路径] [voc文件夹名称] --labels [label list]# 比如
python labelme2voc.py ./id_labelme/images ./id_labelme/target --labels labels.txt
在目录下会根据设定自动生成目标文件夹。文件夹下内容如下所示:
参考
labelme使用
深度学习图像标注工具-labelme
图片标注工具Labelme-简明使用教程相关推荐
- python图像标记工具怎么用_图片标注工具LabelImg使用教程
1.进入labelImg-master文件夹,在空白处使用 "Shift+鼠标右键" ,选择在此处打开命令窗口,依次输入下面语句即可打开软件. pyrcc4 -o resource ...
- 图片标注工具 LabelImg 使用教程
转自:http://blog.csdn.net/jesse_mx/article/details/53606897 作者:Jesse_Mx ------------------------------ ...
- 使用标注工具Labelme和PaddleSeg实现铁路的图像分割
一.前言 该项目是用标注工具Labelme和PaddleSeg实现卫星遥感图像的铁路分割. Labelme是一个标注工具,可以基本实现深度学习的标注任务,让我们标注自己的数据集,不过麻烦的一点就是要自 ...
- CV之LabelImg:图片标注工具之LabelImg(图像标注工具)的简介、安装、使用方法详细攻略
CV之LabelImg:图片标注工具之LabelImg(图像标注工具)的简介.安装.使用方法详细攻略 目录 LabelImg的简介 常见的图片标注工具 LabelImg trainingImageLa ...
- VOC数据集图片标注工具labelImg简介、安装、使用方法详细攻略(windows) PyQt4、PyQt5
参考文章1:labelImg:图片标注工具之labelImg的简介.安装.使用方法详细攻略 参考文章2:LabelImg labelImg的安装 用gitbash打开,运行git clone http ...
- 图片标注工具LabelImg的安装及使用方法
项目地址:LabelImg 下载地址:Windows/Linux 百度云备份:最近几个版本 密码: cnn6 前言 我们知道,图片标注主要是用来创建自己的数据集,方便进行深度学习训练.本篇博客将推 ...
- 图片标注工具LabelImg的简单安装
前言 最近要用到图片标注工具LabelImg来创建导师的数据集,方便进行 深度学习训练.这款工具是全图形界面,用Python和Qt写的,最牛的是其标注信息可以直接转化成为XML文件,与PASCAL V ...
- 图片标注工具LabelImg下载安装使用教程
链接:https://blog.csdn.net/jesse_mx/article/details/53606897 labelimg软件是一款免费的图像标注工具,可方便创建自己的数据集, ...
- 深度学习图像标签标注软件labelme超详细教程
文章目录 前言 一.labelme是什么? 二.快速安装使用 1.windows安装 2.linux安装 3.macos安装 安装成功的哑子 三.界面说明 四.为图像创建类标签 4.1 参数介绍 4. ...
- 用java的swing写了个图片标注工具
功能说明: 1 鼠标单击:选取裁剪区域 2 鼠标双击:选取裁剪区域,并把裁剪区域保存为文件,同时把区域中心点的坐标保存 3 打开图片:从某个文件夹打开图片并显示,同时把该目录的所有图片的路径载进来.这 ...
最新文章
- 10.5 考试 (感觉比较难)
- jdbc连接mysql的语法_JDBC连接MySQL
- 一款纯css3实现的超炫动画背画特效
- DSSM、CNN-DSSM、LSTM-DSSM等深度学习模型在计算语义相似度上的应用+距离运算
- 洛谷OJ P1036 选数
- galleryview-3.0b3使用小记
- App Inventer制作蓝牙通讯软件
- HTTP Error 500.30 - ANCM In-Process Start Failure 解决方法
- cesium加载天地图的卫星影像图
- itest英语考试bug_【写给德语同行的】iTest非官方食用指南(上)
- 安装batocera-linux教程_新的BATOCERA(巴托塞拉)安装方式和Windows共用硬盘双启动
- 2022年系统集成项目管理工程师考试知识点:区块链
- HTML——表单标签<form>与表单的实现
- linux下合并多个文件夹内容成为一个文件夹
- 淘晶驰串口屏_提示p0.pic 初始值无效:图片ID无效
- html网页设计一个简单的用户登录页面
- RHEL5.5配置sftp (已验证)
- android ndk开发中初始化char数组报错问题
- tensorflow实现泰坦尼克号生存率预测(逻辑回归)
- 用matlab画波特图
热门文章
- JEECG框架的dictSelect下拉
- 数据结构 C++实现 基于不同策略的英文单词的词频统计和检索系统(糅合版)
- log4j自定义配置文件路径
- 软考/软件设计师资料真题/软件设计师教程
- 算法导论答案 16.2-2 0-1背包问题的动态规划算法
- x265源码流程分析
- 数据恢复工具(minitool power data recovery 8) v8.8(含64位32位)
- 海湾汉字编码表全部_海湾5000标准汉字码表设备类型表.xls
- 信息量为什么要表示成对数的形式
- 非香农类信息不等式_ICLR 2020 | 北大图灵班满分论文:基于计算约束下有用信息的信息论...