labelme使用方法创建自己的数据集

1新建labelme的conda环境
2激活环境 activate labelme
3pip install labelme
4环境下输入labelme做标注得到json文件
5将new_json_to_dataset.py,draw.py两个文件复制到下面labelme的路径下E:\Users\lee\Anaconda\envs\labelme\Lib\site-packages\labelme\cli
6修改new_json_to_dataset.py中的你自己的类别名(一定得修改,不然会报错):

NAME_LABEL_MAP = {
    '_background_': 0,
    "person": 1,
    "car": 2

}

LABEL_NAME_MAP = ['0: _background_',
                  '1: person',
                  '2: car']

7 训练文件中的num_class一定要改
8打开anacongda prompt,激活labelme环境,输入:在这里插入图片描述
第一个地址是环境路径下new_json的路径,第二个是想要转换的json的路径。
9运行后得到json对应的文件夹。
10将copy.py复制到刚刚得到json对应的大文件夹,运行 python ./copy.py将生成gts(mask)和png(原始图片)两个文件夹
11将gts(mask)里面的所有文件复制到PedMasks文件夹,png(原始图片)里面的所有文件复制到PNGImages文件夹

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用YOLOv8和Labelme训练自己的数据集,您需要进行以下步骤: 1. 创建数据集文件:根据引用所提供的格式,在seg.yaml文件中指定您的训练、验证和测试图像的路径。确保路径是正确的,并且图像数量正确。同时在seg.yaml文件中指定类别名称和对应的编号。 2. 安装Labelme:根据引用中的指示,使用Anaconda创建一个名为labelme的环境,并激活该环境。然后,根据您使用Python版本,安装相应的依赖库。 3. 标注数据集使用Labelme标注工具标注您的数据集。根据"1.2Labelme 使用教程"可以学习如何使用Labelme进行标注。 4. 准备标注结果:标注成后,您将得到一些.json格式的标注文件。确保这些文件与相应的图像文件在同一目录下。 5. 训练模型:使用YOLOv8的train模式,指定模型文件为yolov8s-seg.yaml,数据文件为seg.yaml。设置适当的训练参数,如epochs(训练轮数)、patience(停止训练的等待轮数)、batch(每个批次的图像数量)等。 综上所述,您可以通过按照上述步骤使用YOLOv8和Labelme来训练自己的数据集。请确保按照步骤正确操作,并根据具体情况进行相应调整。<span class="em">1</span><span class="em">2</span> #### 引用[.reference_title] - *1* *2* [YOLOv8实例分割训练自己的数据集保姆级教程](https://blog.csdn.net/m0_51530640/article/details/129975257)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值