前言
准备搞一搞实例分割，自己准备一下数据集进行训练，在使用 labelme 进行进行一下标注与格式转换，中途遇到一些坑，这里记录一下。
环境
- win10 1909
- conda 4.7.12
- 配置时间：2020.02.14（情人节我就干这些？！？）
使用流程
1. 安装
为了方便管理，决定单独给 labelme 单独建立一个 conda 环境，中间出错了也不会乱套（conda 真的是好用啊）。
在控制台执行以下命令：
conda create -n labelme python=3.6
conda activate labelme
pip install labelme
至此，labelme 的安装就完成了，在控制台直接舒服 labelme，即可启动 labelme 的 GUI 界面，网上有很多打标教程，这里就不赘述了。
检验打标结果
这里随便找了张 .jpg 格式的网图进行了标注工作，之后会在图片目录生成一个 .json 文件。
在控制台中运行：
labelme_draw_json <your_json_file_name>.json
即可得到刚才的标注结果：
这里要注意的是，最好使用 jpg 格式图片进行标注，因为 png 格式可能存在 RGBA 四个通道，会导致后续识别的一些问题，在运行上一步绘制的时候也会爆出如下错误：
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_code
exec code in run_globals
File "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 main
img=imgviz.rgb2gray(img),
File "d:\software\anaconda\envs\labelme\lib\site-packages\imgviz\color.py", line 21, in rgb2gray
assert rgb.shape[2] == 3, "rgb shape must be (H, W, 3)"
AssertionError: rgb shape must be (H, W, 3)
3. 将标注转为 COCO 格式
因为最终使用的网络读取是按照 COCO 数据集的格式，所以要将刚刚标注的图片与数据进行一个转换，labelme 也包含这样的工具。
3.1 pycocotools 安装
在转换之前，首先要安装 coco 数据集的 python API，试了很多方法，下面的方法最为简单快捷：
conda install git
pip install Cython
pip install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI"
至此，完成 pycocotools 的安装。
3.2 数据集格式的转换
首先在 labelme_InstanceSegmentation 中获得labelme2coco.py 文件，然后同一目录下放置文件如下：
data
│ labelme2coco.py
│ labels.txt # 该文件中包含数据集中所有的类别名称
│
└─data_annotated
0.jpg
0.jsons
1.jpg
1.json
2.jpg
2.json
3.jpg
3.json
4.jpg
4.json
5.jpg
5.json
做好上述准备后，即可在控制台运行：
python labelme2coco.py data_annotated data_dataset_coco --labels labels.txt
labelme2coco.py 后跟三个参数，第一个为输入文件夹的名称，第二个为转化为 coco 数据格式后的数据存储的路径，第三个则为数据中包含的类别及其次序。转换完毕后即可得到：
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
│
└─JPEGImages
0.jpg
1.jpg
2.jpg
3.jpg
4.jpg
5.jpg
至此，数据集准备完毕。
小结
整个流程并不算很复杂，就是第一次做遇到了很多奇奇怪怪的坑耽误了整整一天的时间……希望看到这篇博客的朋友不要重蹈覆辙，能够快速上手哈哈。
1万+