labelme的安装及利用
一、Anaconda的安装步调1：访问Anaconda官网，点击Download，下载Anaconda软件安装包。
https://img-blog.csdnimg.cn/57ccff3d8b1c4b64a14ef92fb71f0417.png
步调2：双击刚下载好的anaconda软件安装包，按照提示举行下一步操作即可。
https://img-blog.csdnimg.cn/80cd93b3eb894cc2adb3f5937137c929.png
https://img-blog.csdnimg.cn/79c5bcd77bd4466a980dc5a58bf40624.png
https://img-blog.csdnimg.cn/7799be413bf24a6b959eec859f757c7d.png
https://img-blog.csdnimg.cn/43468a58696340f5956c6eb3510129fe.png
https://img-blog.csdnimg.cn/e5f935dff9a94adc8a647235a2035b7c.png
https://img-blog.csdnimg.cn/1c09996381264c25bf69582ae6217e7c.pnghttps://img-blog.csdnimg.cn/87714edfdf4f42c484acb40e9dd8d039.png
二、安装labelme
步调1：打开Anaconda Prompt，然后实行下面的命令，创建 labelme
虚拟情况
https://img-blog.csdnimg.cn/344ef7af51454e32ade37fd8cdb3c163.png
conda create -n labelme
python=3.8
https://img-blog.csdnimg.cn/772e49e478494cc795da5b2791f4b0a9.png
https://img-blog.csdnimg.cn/e3af6e3fafbb4666a0dfdd5dace19e29.png
步调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，阐明labelme
已经安装成功。
conda env list
https://img-blog.csdnimg.cn/0f9838142fbe4ad887c742748f14b79d.png
步调3：实行下面的命令，激活labelme
虚拟情况，当命令行的最前面出现(labelme
)，就阐明labelme
虚拟情况已经被激活了。
conda activate labelme
https://img-blog.csdnimg.cn/d2e0200ce42f4927aed8503efddb42ce.png
步调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(/n) ？的时候，输入 y，然后回车即可。
conda install pyqt
conda install pillow
pip install labelme
https://img-blog.csdnimg.cn/d559b3645a9649eabbf4d0788c4c3199.png
https://img-blog.csdnimg.cn/10b0cc3fbe324beda044f9955c6b46d0.png
https://img-blog.csdnimg.cn/c4abb8331d624f839eb5dfe56d060cca.png
https://img-blog.csdnimg.cn/45ae927b4b464355a16a67e2a5360dee.png
步调5：实行下面的命令，查看labelme
是否安装成功
conda list
https://img-blog.csdnimg.cn/34f366c16858419390fd68aa96797b1d.png
三、打开labelme
步调1：实行下面的命令，激活labelme
虚拟情况，以后每次打开anaconda prompt，或者命令行的最前面不是(labelme
)，都需要实行这条命令。
activate labelme
https://img-blog.csdnimg.cn/cf4499fd4753425f8b4da6c8d9481ecd.png
步调2：实行下面的命令，然后敲回车，就可以打开labelme
工具了。
labelme
https://img-blog.csdnimg.cn/4f926e25279943b68ec9f74892174fd0.png
四、利用labelme
举行图片标注
步调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。
https://img-blog.csdnimg.cn/8883342de3634274b7c7ae8f3ffeb384.png
步调2：将鼠标放在图片上面，然后鼠标右键，选择 Create Rectangle
https://img-blog.csdnimg.cn/f6a08411f70046e19ae6ac7531e679aa.png
步调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。
https://img-blog.csdnimg.cn/73969327ef4440fea4320c932366f39b.png
步调4：点击Save按钮，举行json标注文件的保存，起首在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，即可举行保存。
https://img-blog.csdnimg.cn/3b34b13f53674939b0aa839068da4a03.png
步调5：点击Next Image按钮，举行下一张图片的标注。
https://img-blog.csdnimg.cn/904e3236ca8f46eaa9547e090c8ef37a.png
五、数据标注的归一化处置惩罚
[*]json文件中包含的内容有很多，但是我们做模型练习的时候，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。
https://img-blog.csdnimg.cn/00c44ee3ea5c4bafb6c2bb21fb76b0df.png
[*]YOLOV2举行模型练习的时候，需要的标注信息是 (Class id , center_x , center_y, w, h) 这五个值，且需要归一化处置惩罚。
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，当前猫和狗，2类检测物体，故Class id 为0或者1；
center_x:表示归一化后的猫狗框中心点坐标的X值。归一化坐标 = 实际坐标 / 整个图片宽
center_y:表示归一化后的猫狗框中心点坐标的Y值。归一化坐标 = 实际坐标 / 整个图片高
w:表示归一化后的猫狗框的宽。归一化长度 = 实际长度 / 整个图片宽
h:表示归一化后的猫狗框的高。归一化长度 = 实际长度 /整个图片高
步调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。
# 处置惩罚labelme
多边形矩阵的标注json转化txtimport jsonimport osname2id = {'cat': 0, 'dog': 1} #此处需要根据你自己的数据集类型举行修改def convert(img_size, box): dw = 1. / (img_size) dh = 1. / (img_size) x = (box + box) / 2.0 y = (box + box) / 2.0 w = abs(box - box) h = abs(box - box) 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']['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']) y1 = float(i['points']) # 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']) y1 = float(i['points']) x2 = float(i['points']) y2 = float(i['points']) bb = (x1, y1, x2, y2) bbox = convert((img_w, img_h), bb) try: f.write(str(name2id) + " " + " ".join() + '\n') except: passif __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') https://img-blog.csdnimg.cn/0f15658e1c9f40a58d702b0086a7e32a.png
步调2：在 json_to_txt.py文件地点的位置，打开dos界面，实行下面的命令，举行json数据的归一化处置惩罚。
https://img-blog.csdnimg.cn/283886281a4e4d75afd1f23827ab1faa.png
实行完上一步调，就会在labels目录下，生成与图片相对于的txt文件。
https://img-blog.csdnimg.cn/41149fa75d304277aed5175ab4df8293.png
https://img-blog.csdnimg.cn/56f005508ee444c99d17c1cb12b10ad4.png
[*]到此，labelme
的安装和利用方法就教学完毕了。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]