labelme json文件转换_制作自己的训练数据集之图像标注工具labelimg和labelme

第在深度学习中，学会制作自己的数据集然后进行模型训练是一个很重要的步骤，这里教大家下载安装使用两种制作自己的数据集的标注工具labelimg和labelme。 前言 首先简单介绍一下这两种工具，labelimg工具主要用于在目标检测，而 labelme工具图像分割领域制作自己的数据集，我们可以用labelimg用于制作自己的数据集训练像YOLOv3和YOLOv4目标检测模型，而用labelme可以自己制作像MaskRCNN模型做图像分割训练需要的数据集。 目标检测如下图：

目标检测和图像分割如下图：

话不多说正式开始下载安装使用。 labelimg labelimg是采用Python语言编写的，界面用Qt设计的，所以首先就是安装pyqt5。

第一步：打开Anaconda Prompt 首先创建一个用于标注数据的py35单独环境名为label的环境，当然也可以用 Anaconda Navigator 界面程序来创建。

第二步：查看创建环境是否成功并激活环境

第三步：添加镜像源下载并安装Pyqt5和labelimg，这里使用豆瓣源

pip install pyqt5 -i https://pypi.douban.com/simple/

pip install labelimg -i https://pypi.douban.com/simple/

第四步：安装完后，输入命令labelimg，即可打开标注工具界面进行数据标注

第五步：打开你想要标注的数据集图片进行标注即可，记住每标记完一张记得保存，具体操作如下:

在我们进行标注时，我们可以在Anaconda Prompt中实时查看到标注情况。

第六步：标注完所有图像之后就可以查看标记结果了，注意这里我们进行标注时有两种标记数据的格式一种是PascalVoc,另外一种是YOLO，这里以常见的VOC数据集格式进行标注，最终得到以xml格式的标注数据。

Voc数据集的数据格式,包含对象名，标记框的基本信息。

至此，用labelimg制作数据集的过程到此结束，就可以去训练YOLO的模型了。 labelme labelme安装过程和labelimg大致都是一样，只需把上述第三步不换成pip install labelme -i https://pypi.douban.com/simple/。这两个工具可以同时存在一个环境之中，也就是说如果已经成功安装上其中一个，只需执行第三步即可成功安装另外一个，没有安装的话， 简要步骤如下：

1.Anaconda Prompt中创建一个环境

conda create --name=labelImg python=3.6 2.激活进入刚建立的新环境， conda activate labelImg 3.安装界面支持pyqt5包 pip install pyqt5 -i https://pypi.douban.com/simple/ 4.下载安装labelme pip install labelme -i https://pypi.douban.com/simple/ 5.输入命令labelme，就可以启动程序进行数据标注 如图所示，我们可以进行矩形标注、点标注、以及圆形标注等多种格式进行标注，界面的上的按钮的作用和labelimg类似，这里不再赘述。 相对于labelimg，我们可以以多种形式进行数据标注，如下图 标注完后进行保存save，图片上标注的信息将以json文格式将进行保存，如下图： 至此用至此，用labelimg制作数据集的过程到此结束 ！

总结：

labelimg标注完数据之后以.xml数据的格式进行保存，只能创建矩形框更加适用于目标检测制作数据集，如YOLO，而labelme以.json文件的数据格式进行保存，可以创建多种类型的边框进行标注，适用于图像分割，如MaskRcnn。   ·END· 微信号：码农的后花园 长按识别关注哦

整理不易，点个好看再走呗