文章目錄

• 前言
• 環境
• 使用流程
• • 1. 安裝
  • 檢驗打標結果
  • 3. 將標注轉為 COCO 格式
  • • 3.1 pycocotools 安裝
    • 3.2 數據集格式的轉換
• 小結

前言

準備搞一搞實例分割，自己準備一下數據集進行訓練，在使用 labelme 進行進行一下標注與格式轉換，中途遇到一些坑，這里記錄一下。

環境

• win10 1909
• conda 4.7.12
• 配置時間：2020.02.14（情人節我就干這些？！？）

使用流程

1. 安裝

為了方便管理，決定單獨給 labelme 單獨建立一個 conda 環境，中間出錯了也不會亂套（conda 真的是好用啊）。
在控制臺執行以下命令：

conda create -n labelme python=3.6 conda activate labelme pip install labelme

至此，labelme 的安裝就完成了，在控制臺直接舒服 labelme，即可啟動 labelme 的 GUI 界面，網上有很多打標教程，這里就不贅述了。

檢驗打標結果

這里隨便找了張 .jpg 格式的網圖進行了標注工作，之后會在圖片目錄生成一個 .json 文件。

在控制臺中運行：

labelme_draw_json <your_json_file_name>.json

即可得到剛才的標注結果：

這里要注意的是，最好使用 jpg 格式圖片進行標注，因為 png 格式可能存在 RGBA 四個通道，會導致后續識別的一些問題，在運行上一步繪制的時候也會爆出如下錯誤：

Traceback (most recent call last):File "d:\software\anaconda\envs\labelme\lib\runpy.py", line 174, in _run_module_as_main"__main__", fname, loader, pkg_name)File "d:\software\anaconda\envs\labelme\lib\runpy.py", line 72, in _run_codeexec code in run_globalsFile "D:\Software\Anaconda\envs\labelme\Scripts\labelme_draw_json.exe\__main__.py", line 9, in <module>File "d:\software\anaconda\envs\labelme\lib\site-packages\labelme\cli\draw_json.py", line 53, in mainimg=imgviz.rgb2gray(img),File "d:\software\anaconda\envs\labelme\lib\site-packages\imgviz\color.py", line 21, in rgb2grayassert rgb.shape[2] == 3, "rgb shape must be (H, W, 3)" AssertionError: rgb shape must be (H, W, 3)

3. 將標注轉為 COCO 格式

因為最終使用的網絡讀取是按照 COCO 數據集的格式，所以要將剛剛標注的圖片與數據進行一個轉換，labelme 也包含這樣的工具。

3.1 pycocotools 安裝

在轉換之前，首先要安裝 coco 數據集的 python API，試了很多方法，下面的方法最為簡單快捷：

conda install git pip install Cython pip install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI"

至此，完成 pycocotools 的安裝。

3.2 數據集格式的轉換

首先在 labelme_InstanceSegmentation 中獲得labelme2coco.py 文件，然后同一目錄下放置文件如下：

data │ labelme2coco.py │ labels.txt # 該文件中包含數據集中所有的類別名稱 │ └─data_annotated0.jpg0.jsons1.jpg1.json2.jpg2.json3.jpg3.json4.jpg4.json5.jpg5.json

做好上述準備后，即可在控制臺運行：

python labelme2coco.py data_annotated data_dataset_coco --labels labels.txt

labelme2coco.py 后跟三個參數，第一個為輸入文件夾的名稱，第二個為轉化為 coco 數據格式后的數據存儲的路徑，第三個則為數據中包含的類別及其次序。轉換完畢后即可得到：

data │ labelme2coco.py │ labels.txt │ ├─data_annotated │ 0.jpg │ 0.json │ 1.jpg │ 1.json │ 2.jpg │ 2.json │ 3.jpg │ 3.json │ 4.jpg │ 4.json │ 5.jpg │ 5.json │ └─data_dataset_coco│ annotations.json│ └─JPEGImages0.jpg1.jpg2.jpg3.jpg4.jpg5.jpg

至此，數據集準備完畢。

小結

整個流程并不算很復雜，就是第一次做遇到了很多奇奇怪怪的坑耽誤了整整一天的時間……希望看到這篇博客的朋友不要重蹈覆轍，能夠快速上手哈哈。

總結

以上是生活随笔為你收集整理的win10 labelme 使用记录的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。