json变身TFRecord的Part1：Labelme标注的json文件转化coco文件

出发点：为了亲手制作，自己的Tensorflow手写数字识别深度模型的训练数据集；

实践路线：尝试按照网上说的，

1）先使用 labelme 标注图像，得到 json文件；

2）再将 json文件转为 coco文件；

3）再将 coco文件，转为 tensorflow 能够调用的 TFRecord文件。【未实现，正在不断尝试ing】

eg；怕忘记走过的路，故先记录下来，实现 json转coco的方法。

参考实现的文章：LabelMe标记后的json文件怎么转为COCO格式

作者写的内容很简洁，当时看到的时候，也半信半疑，但本着大胆尝试的本心，就一边按照作者步骤实践一边将疑惑百度；终于被我弄出来了。哈哈哈，小小开心一下，新人嘛。

然后我在链接内容的前提下，补充一下，具体细节，这样对新人友好些，也怕自己日后忘记。

………………分割线，后面是具体步骤………………………

Labelme标注的json文件转化coco文件，具体步骤如下(附图)：

1，进入链接网址，下载labelme源代码，格式为zip ，链接如下：https://github.com/wkentaro/labelme 

 

 

2，安装 labelme的准备工作。先将下载的 zip 安装包，拖到安装目录下（我把它放到，D盘的空置文件夹中） ；然后解压到当前文件夹；就可以看到里面有一个 “setup.py”文件；如下图：

 

3，正式安装 labelme。我的安装方法是，

        打开anaconda创建的虚拟环境；然后进入到 labelme解压包的 “setup.py”文件路径下，再执行安装指令：

python setup.py install

eg：然后就是配合pip的表演了。如果pip顺利安装成功，那就万事大吉；如果报错，就根据报错提示，百度解决就是了。just like that，爱莫能助，祝你顺利。

4，打开文件夹，labelme-master\examples\instance_segmentation\，找到文件labeme2coco.py，待会会用到。

5，将使用labelme标记的json文件，及其对应图像放置到同一文件夹中，命名为 data_annotated；【值得注意的是，新手记得使用 jpeg或jpg图像标注，这样待会才能，转化成功。】

6，打开文件夹，labelme-master\examples\instance_segmentation\，里面找到一个“labels.txt” 文件。删去里面的标签内容，改成你当下，深度模型训练需要识别的标签，保存并退出。比如我的手写数字识别标签是“0，1，2，3，...，9”；【开头的__ignore__、_background_，以及结尾处的tv/monitor，暂时不明用处，可能是类似引导符号的用处，因为删掉了，转化就报错。】

 

7，在虚拟环境的cmd界面，并且当前路径是 labelme-master\examples\instance_segmentation\；输入json变身coco的命令：

python labelme2coco.py data_annotated/ output --labels labels.txt

然后，转化后的coco文件，就在 labelme-master\examples\instance_segmentation\output 文件夹中了。转化成功图如下【如果output里面空空如也，就说明转化失败了。转化之前，记得将 output 文件夹删掉；】

 

最后，据说 output里面的 json文件，就是COCO文件。【我也不确定，因为我还没实现，coco，转TFRecord，再引用TFRecord训练模型，验证转化过程准确性，所以，只能说“据说”。后面实现了，再回头修改，并完善COCO——>TFRecord的变身过程。】