labelme标注及标签的统一

最新推荐文章于 2025-04-03 19:28:07 发布

代号零零一

最新推荐文章于 2025-04-03 19:28:07 发布

阅读量1.9k

点赞数 1

文章标签： python 深度学习

本文链接：https://blog.csdn.net/qq_37993640/article/details/126646494

版权

本文介绍了使用labelme进行语义分割数据集标注的步骤，包括安装、打开软件、标注操作以及标注文件的json到png转换。在转换过程中，遇到同一类别标签颜色不一致的问题，通过修改labelme的json_to_dataset.py源码，实现标签颜色的统一，确保深度学习网络能够正确学习。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

语义分割数据集的标注
这里使用的是labelme语义分割软件。
安装直接使用指令：
pip install labelme
安装完成后，输入指令：labelme，即可打开软件，软件界面如下图所示：

在这里插入图片描述

打开软件之后一般需要做3项工作：
（1）打开数据集存放的文件夹。
（2）修改标注生成文件的存放位置，并取消在数据集的文件夹内保存标注的生成文件。此外，还需要选择自动保存功能。
（3）选择标注的形式，一般选择多边形框进行标注。
标注中使用的快捷键：
A：上一张图像
W：下一张图像

标注完成后，生成的文件类型为：json文件，如图所示：
在这里插入图片描述
json文件可以使用记事本软件打开，打开后如下图所示：

在获得json文件后，需要制作标签信息。执行以下代码进行转换：

# 在cmd中运行代码：python json2png.py <json文件夹>，单独运行这个文件会报错
import os
import os.path as osp
import cv2
import shutil
import numpy as np
from PIL import Image

def json2png(json_folder, png_save_folder):
    #osp.isdir(png_save_folder)用于判断参数是否为目录。
    if osp.isdir(png_save_folder):
        #递归删除整个文件夹下所有文件，包括此文件夹；
        shutil.rmtree(png_save_folder)
    # 递归创建文件夹；
    os.makedirs(png_save_folder)
    #返回指定路径下的文件和文件夹列表。
    json_files = os.listdir(json_folder)
    for json_file in json_files:
        print(json_file)
        json_path = osp.join(json_folder, json_file)
        os.system("labelme_json_to_dataset {}".format(json_path))
        label_path = osp.join(json_folder, json_file.split(".")[0] + "_json/label.png")

        png_save_path = osp.join(png_save_folder, json_file.split(".")[0] + ".png")
        label_png = cv2.imread(label_path, 1)

        # gray_img = cv2.cvtColor(label_png, cv2.COLOR_RGB2GRAY)
        # imginfo=label_png.shape
        # print(imginfo)
        # height=imginfo