labelme可执行程序 标注软件使用 coco yolo格式数据集 标注软件使用 yolo训练

labelme是一个非常强大的图像标注工具用户可通过图形界面手动标注图像中的目标区域并生成相应的标注文件。这些标注文件通常以 JSON 格式保存可以方便地转换为其他格式如 YOLO、Pascal VOC 等以便用于深度学习模型的训练。安装 LabelMe1. 使用预编译的可执行程序快速安装并使用labelme可以下载预编译的可执行程序。以下是步骤Windows 用户访问 LabelMe GitHub Releases 页面。下载最新版本的 Windows 可执行文件例如labelme-version-win64.exe。运行下载的.exe文件进行安装。安装完成后你可以在开始菜单中找到labelme并运行它。MacOS 和 Linux 用户对于 MacOS 和 Linux推荐使用 Python 脚本安装因为官方没有提供预编译的可执行文件。2. 使用 Python 脚本安装或使用 Python 脚本安装labelme可以按照以下步骤操作# 安装依赖库pipinstallpyqt5 lxml# 安装 labelmepipinstalllabelme安装完成后你可以通过命令行启动labelmelabelme使用 LabelMe 进行标注1. 打开图像文件启动labelme后点击File-Open或者直接拖拽图像文件到labelme界面中。2. 创建标签在右侧的Label List中添加你需要的标签。例如在你的截图中有PL和CK两个标签。3. 绘制多边形选择左侧工具栏中的Create Polygons工具。在图像上点击多个点来绘制多边形最后双击结束绘制。选择绘制好的多边形并在右侧的Polygon Labels中选择对应的标签。4. 保存标注标注完成后点击File-Save保存标注结果。默认情况下labelme会生成一个与图像同名的.json文件。将 LabelMe JSON 转换为 YOLO 格式为了将labelme生成的 JSON 文件转换为 YOLO 格式你可以使用labelme提供的脚本labelme_json_to_dataset.py。以下是详细步骤1. 安装额外依赖pipinstallimgviz pycocotools2. 转换脚本创建一个 Python 脚本来批量转换 JSON 文件importosimportjsonfromlabelmeimportutilsimportnumpyasnpimportglobimportPIL.Imagedefconvert_labelme_json_to_yolo(json_file,output_dir):withopen(json_file)asf:datajson.load(f)image_pathos.path.join(os.path.dirname(json_file),data[imagePath])imagenp.asarray(PIL.Image.open(image_path))height,widthimage.shape[:2]yolo_lines[]forshapeindata[shapes]:labelshape[label]pointsshape[points]# Convert polygon to bounding boxx_coords[p[0]forpinpoints]y_coords[p[1]forpinpoints]xminmin(x_coords)xmaxmax(x_coords)yminmin(y_coords)ymaxmax(y_coords)# Normalize coordinatesx_center(xminxmax)/2/width y_center(yminymax)/2/height w(xmax-xmin)/width h(ymax-ymin)/height class_idlabel_list.index(label)yolo_linef{class_id}{x_center:.6f}{y_center:.6f}{w:.6f}{h:.6f}yolo_lines.append(yolo_line)txt_fileos.path.splitext(json_file)[0].txtwithopen(txt_file,w)asf:f.write(\n.join(yolo_lines))if__name____main__:label_list[PL,CK]# 根据你的标签列表调整json_filesglob.glob(path/to/json/files/*.json)forjson_fileinjson_files:convert_labelme_json_to_yolo(json_file,output_dir)3. 运行脚本将上述脚本保存为convert_labelme_to_yolo.py然后运行python convert_labelme_to_yolo.py这将把所有labelme生成的 JSON 文件转换为 YOLO 格式的.txt文件方便后续的模型训练和推理。