一、Anaconda的安装
步骤1：访问Anaconda官网，点击Download，下载Anaconda软件安装包。
步骤2：双击刚下载好的anaconda软件安装包，按照提示进行下一步操作即可。
二、安装labelme
步骤1：打开Anaconda Prompt，然后执行下面的命令，创建 labelme虚拟环境
conda create -n labelme python=3.8
步骤2：输入下面的命令，检查labelme是否下载成功，如果有如下图所示的打印，说明labelme已经安装成功。
conda env list
步骤3：执行下面的命令，激活labelme虚拟环境，当命令行的最前面出现(labelme)，就说明labelme虚拟环境已经被激活了。
conda activate labelme
步骤4：分步指行下面的命令，下载并安装labelme已经依赖软件包。如果中间提示([y]/n) ？的时候，输入 y，然后回车即可。
conda install pyqt conda install pillow pip install labelme
步骤5：执行下面的命令，查看labelme是否安装成功
conda list
三、打开labelme
步骤1：执行下面的命令，激活labelme虚拟环境，以后每次打开anaconda prompt，或者命令行的最前面不是(labelme)，都需要执行这条命令。
activate labelme
步骤2：执行下面的命令，然后敲回车，就可以打开labelme工具了。
labelme
四、使用labelme进行图片标注
步骤1：点击OpenDir按钮，然后选择我们需要标注的图片的路径，然后再点击右下角的选择文件夹按钮。
步骤2：将鼠标放在图片上面，然后鼠标右键，选择 Create Rectangle
步骤3：点击鼠标左键，开始画框，把目标图片框住之后，再点击鼠标左键，结束画框，此时会弹出一个对话框，可以在输入框中输入你标注的目标的名字，如果是猫的话，就输入cat，如果是狗的话，就输入dog,然后点击OK按钮即可。
步骤4：点击Save按钮，进行json标注文件的保存，首先在JPEGImage同级目录下创建一个json文件夹，然后把标注生成的json文件保存到该json文件中，点击保存按钮，即可进行保存。
步骤5：点击Next Image按钮，进行下一张图片的标注。
五、数据标注的归一化处理
- json文件中包含的内容有很多，但是我们做模型训练的时候，只需要他的label以及point即可，因此我们需要将这些数据从json数据中取出来。
- YOLOV2进行模型训练的时候，需要的标注信息是 (Class id , center_x , center_y, w, h) 这五个值，且需要归一化处理。
Class id center_x center_y w h 对数据格式解释如下： Class id:表示标注框的类别，从0开始计算，当前只要手部1类检测物体，故Class id全为0； center_x:表示归一化后的手部框中心点坐标的X值。归一化坐标 = 实际坐标 / 整个图片宽 center_y:表示归一化后的手部框中心点坐标的Y值。归一化坐标 = 实际坐标 / 整个图片高 w:表示归一化后的手部框的宽。归一化长度 = 实际长度 / 整个图片宽 h:表示归一化后的手部框的高。归一化长度 = 实际长度 /整个图片高
步骤1：创建一个 json_to_txt.py文件，然后将下面的代码复制到json_to_txt.py文件中。然后根据自己的数据集路径及数据集名称，修改代码。
# 处理labelme多边形矩阵的标注 json转化txt
import json
import os
name2id = {'cat': 0, 'dog': 1} #此处需要根据你自己的数据集类型进行修改
def convert(img_size, box):
dw = 1. / (img_size[0])
dh = 1. / (img_size[1])
x = (box[0] + box[2]) / 2.0
y = (box[1] + box[3]) / 2.0
w = abs(box[2] - box[0])
h = abs(box[3] - box[1])
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
def decode_json(json_floder_path, txt_outer_path, json_name):
txt_name = txt_outer_path + json_name[:-5] + '.txt'
with open(txt_name, 'w') as f:
json_path = os.path.join(json_floder_path, json_name) # os路径融合
data = json.load(open(json_path, 'r', encoding='gb2312', errors='ignore'))
img_w = data['imageWidth'] # 图片的高
img_h = data['imageHeight'] # 图片的宽
isshape_type = data['shapes'][0]['shape_type']
print(isshape_type)
for i in data['shapes']:
label_name = i['label'] # 得到json中你标记的类名
if (i['shape_type'] == 'polygon'): # 数据类型为多边形 需要转化为矩形
x_max = 0
y_max = 0
x_min = 100000
y_min = 100000
for lk in range(len(i['points'])):
x1 = float(i['points'][lk][0])
y1 = float(i['points'][lk][1])
# print(x1)
if x_max < x1:
x_max = x1
if y_max < y1:
y_max = y1
if y_min > y1:
y_min = y1
if x_min > x1:
x_min = x1
bb = (x_min, y_max, x_max, y_min)
if (i['shape_type'] == 'rectangle'): # 为矩形不需要转换
x1 = float(i['points'][0][0])
y1 = float(i['points'][0][1])
x2 = float(i['points'][1][0])
y2 = float(i['points'][1][1])
bb = (x1, y1, x2, y2)
bbox = convert((img_w, img_h), bb)
try:
f.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in bbox]) + '\n')
except:
pass
if __name__ == "__main__":
json_floder_path = '.\\json\\' # 存放json的文件夹的绝对路径
txt_outer_path = '.\\labels\\' # 存放txt的文件夹绝对路径
json_names = os.listdir(json_floder_path)
print("共有：{}个文件待转化".format(len(json_names)))
flagcount = 0
for json_name in json_names:
decode_json(json_floder_path, txt_outer_path, json_name)
flagcount += 1
print("还剩下{}个文件未转化".format(len(json_names) - flagcount))
# break
print('转化全部完毕')
步骤2：在 json_to_txt.py文件所在的位置，打开dos界面，执行下面的命令，进行json数据的归一化处理。
执行完上一步骤，就会在labels目录下，生成与图片相对于的txt文件。
到此这篇关于labelme的安装和使用方法的文章就介绍到这了,更多相关内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文地址：https://blog.csdn.net/Wu_GuiMing/article/details/130625940
