[图像算法]-图像数据标注工具labelme使用教程

参考教程：

https://github.com/wkentaro/labelme

https://blog.csdn.net/ZYhhhh233/article/details/80278293

https://blog.csdn.net/shwan_ma/article/details/77823281

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

https://blog.csdn.net/qq_30622831/article/details/80100605

打开的主界面：

左侧选项依次是：

中间是图片区域。

右边显示的有：

顶部菜单栏：文件、编辑、视图、帮助

此处打开一个图片文件夹做示范：

会把生成的json转化成对应的数据文件，：

批量标注提高效率就要用到快捷键了，在home下面有一个隐藏文件 .labelmerc ，ctrl+h可以查看Ubuntu的隐藏文件。打开 .labelmerc ，里面是默认的快捷键。

根据自己的习惯可以自定义一些 *** 作的快捷键，本人使用了auto_save: true 自动保存标注，就不用每次都去点击保存在点击下一步了。还有：

软件自带的A：上一张图片，D：下一张图片。

打开终端，键入：

编辑的快捷键会立即生效，下次打开只需要键入labelme即可。

本人使用的是脚本转换，新建json2png.sh脚本文件，键入：

保存，在终端键入 chmod +x json2png.sh 给可执行文件权限，在键入./json2png.sh等待转换完成即可。转换完成后会在json路径下生成对应的文件夹。

以2014数据为例，读取instances_train2014.json数据信息。

进入文件夹labelme/examples/中，将文件夹instance_segmentation文件夹拷贝，然后进入其中，将生成好的labelme文件放入data_annotated中，删除data_dataset_coco文件夹，打开labels.txt文件，按照自己的标签更改其中的类别。

执行labelme2coco.py 形成新的data_dataset_coco文件夹。

读取新生成的annotations文件，与原coco数据集中的annotations文件进行对比，一致。

hello~好久不见，五月啦！五一放假回学校之后，一直忙研电赛的事情。昨天终于短暂结束了 累了累了

前几天帮队伍打标签，用了和以往labelimg不同的打标签软件 labelme

这边简单记录一下安装和使用

我是结合anaconda+windows下安装的

打开anaconda(python3.0)

关于Ubuntu/Docker/macOS等系统的安装

可以参考： https://blog.csdn.net/u014061630/article/details/88756644

1.打开软件

（anaconda版本）

进入到自己创建的labelme环境后输入labelme

举个例子：

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。

注意：

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。

标注完成后点击Save保存,然后点击下一张进入下一张的 *** 作。

保存后会在图片路径下生成同名的json文件

Labelme和labelimg不同在于是由点进行标注，更为灵活，标注框可以是多边形等。

利用labelme可以进行分类标注、语义分割标注、目标检测标注、视频标注等

具体可以参考： https://blog.csdn.net/u014061630/article/details/88756644

简单记录Ending~

有空要接着论文阅读记录啦！！

五月要努力如愿啊！！

---