大家好，又见面了，我是你们的朋友全栈君。
在进行Segmentation 训练之前需要准备训练集和验证集，本文将要来介绍如何使用LabelMe进行标记。LabelMe 是个可以绘制多边形、矩形、圆形、直线、点的一套标记工具，可用于分类、目标检测、语义分割、实例分割任务上的数据标注。
1.labelMe安装与数据标注
首先安装LabelMe，我使用Anaconda 进行安装。打开Anaconda Prompt 执行以下指令:
pip install labelme接着输入labelme 会出现以下UI 介面，点选Open Dir 选择要标记的图片资料夹
labelme
在图片上按右键选择Create Polygans 后，就可以开始画标记点了~
画好后填入要标记的label，
若有多个相同类别的目标物也选择一样的label：
再按左边的Save，最后选择左边的Next Image 。
2.数据格式转换
标注好数据以后，若需要转换label格式，可使用labelme 进行转换。接下来会分为用于Semantic Segmentation 和Instance Segmentation
git clone https://github.com/wkentaro/labelme并且在刚刚标记好的图片资料夹外，建立一个label.txt，内容必须要有__ignore__, _background_
档案放置如下图:
2.1 Semantic Segmentation
进入labelmeexamplessemantic_segmentation 文件夹，有支持转换VOC 格式的代码
cd/d D:chingilabelmeexamplessemantic_segmentation
然后在Anaconda Prompt 执行以下指令进行转换，<data> 是标记图片的文件夹路径、<data_output> 是转换标记格式的文件夹路径、<label.txt path> 是刚刚建立在图片文件夹外的label.txt 的路径
python labelme2voc.py <data> <data_output> --labels <label.txt path>
# It generates:
# - data_dataset_voc/JPEGImages
# - data_dataset_voc/SegmentationClass
# - data_dataset_voc/SegmentationClassVisualization
python labelme2voc.py data_annotated data_dataset_voc --labels labels.txt转换格式后，会在<data_output> 文件夹中会看到以下文件：
请注意，标签文件仅包含非常低的标签值（例如 0、4、14），而 255 表示 __ignore__ 标签值（npy 文件中的 -1）。 您可以通过以下方式查看标签 PNG 文件。
labelme_draw_label_png data_dataset_voc/SegmentationClassPNG/2011_000003.png
2.2 Instance Segmentation
进入labelmeexamplesinstance_segmentation 文件夹，有支持转换COCO 及VOC 格式的代码：
cd/d D:chingilabelmeexamplesinstance_segmentation
然后在Anaconda Prompt 执行以下指令进行转换，<data> 是标记图片的资料夹路径、<data_output> 是转换标记格式的资料夹路径、<label.txt path> 是刚刚建立在图片资料夹外的label.txt 的路径
# 转换为coco 格式
$ python labelme2coco.py <data> <data_output> --labels <label.txt path>
# It generates:
# - data_dataset_coco/JPEGImages
# - data_dataset_coco/annotations.json
$ python ./labelme2coco.py data_annotated data_dataset_coco --labels labels.txt
# 转换为VOC 格式
$ python labelme2voc.py <data> <data_output> --labels <label.txt path>
# It generates:
# - data_dataset_voc/JPEGImages
# - data_dataset_voc/SegmentationClass
# - data_dataset_voc/SegmentationClassVisualization
# - data_dataset_voc/SegmentationObject
# - data_dataset_voc/SegmentationObjectVisualization
$ python ./labelme2voc.py data_annotated data_dataset_voc --labels labels.txt若转换为COCO 格式，会在<data_output> 文件夹中会看到以下文件
JPEGImages 是原本的图片，Visualization 是框起来的图片，annotations.json 是标记好的label
若转换为VOC 格式，会在data_output 文件夹中会看到以下文件：
参考目录
https://medium.com/ching-i/segmentation-label-標註教學-26b8179d661
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/172450.html原文链接：https://javaforall.cn
