【Yolact数据集制作-labelme使用与转coco详解】

开头总爱瞎掰两句，简单介绍下主要是为了做实例分割时需要用到labelme转coco数据集，此处写一个详细教程，作为yolact实战贴 的补充。

---

labelme2coco的数据处理

• 主要分两部分：1、用labelme标记样本获取json文件；2、json文件转coco数据集
• 两部分源代码跳转：
  • 标记：https://github.com/wkentaro/labelme
  • 转coco：https://github.com/wkentaro/labelme/tree/main/examples/instance_segmentation

1、标记获取json文件

• * 安装： 代码分 python2 和 python3
  【首先安装anaconda，在conda终端创建新环境并进行如下操作（anaconda安装自行百度，这里只介绍windows安装labelme教程，其他请点击查看readme.md部分）】

# python2
conda create --name=labelme python=2.7
activate labelme
# conda install -c conda-forge pyside2
conda install pyqt
pip install labelme
# if you'd like to use the latest version. run below:
# pip install git+https://github.com/wkentaro/labelme.git

# python3
conda create --name=labelme python=3.6
activate labelme
# conda install -c conda-forge pyside2
conda install pyqt
# pip install pyqt5  # pyqt5 can be installed via pip on python3
pip install labelme
# or you can install everything by conda command
# conda install labelme -c conda-forge

• 标记样本数据获取json文件
  
  基本操作如上图所示，选择保存的文件夹，最后的输出格式是 样本和json标签放在一起的
  注：对原图像样本格式是png还是jpg没有要求，皆可。
  

2、json转coco数据集

• 进入instance_segmentation文件夹
  打开咱之前下载的labelme代码，激活环境为 labelme 进入到
  labelme-main/examples/instance_segmentation文件夹
  
  这里解释一下，进入到instance_segmentation文件夹后，data_annotated是存放你样本数据和json的文件夹，可以把你的训练数据和json文件放到此目录。data_dataset_coo是运行后生成的文件夹，里面包含样本数据和coco标签数据

• 训练样本拷贝到data_annotated，修改labels.txt文件
  

• 进入terminal ，cd 到 instance_segmentation目录，输入以下代码
  详情链接

./labelme2coco.py data_annotated data_dataset_coco --labels labels.txt

运行完成后生成一个 data_dataset_coo文件夹，至此train样本的coco文件制作完成，val样本的coco文件重复以上步骤即可

3、放置到指定文件夹

文件目录如下，黄色方框里的文件夹要自己建立，红色方框是拷贝过来的之前生成的样本数据，蓝色方框是上一步生成的coco标签annotations.json，需要重命名如图内容后拷贝到对应目录！！

工欲善其事必先利其器！至此，coco实例分割数据集建立完成！！！

4、问题处理

4.1 处理中途无故退出

• 问题1：生成coco数据集的data_dataset_coco文件夹时，转换部分数据后自动退出且未生成annotations.json文件。

  解决办法：数据集问题，检查数据集是否每张图像都有对应的json文件，删除掉没有json文件的图像。

• 问题2：数据集每次转换到xxx（如477张）就自动停止，没有任何报错

  解决办法：找到第477张对应图像前后的几张图像，可能图像问题，删除掉错误图像即可

• 问题3：未知错误

  解决办法：删除掉生成的data_dataset_coco文件夹后重新运行代码