【图像语义分割】Labelme(python)安装

最新推荐文章于 2024-05-30 08:51:23 发布
最新推荐文章于 2024-05-30 08:51:23 发布
阅读量1.4k 收藏 3
点赞数 1
分类专栏： mask-rcnn
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42618420/article/details/84328595
版权

在进行监督学习，需要对目标进行标记，从而生成自己的模型。这里用到了一款标记软件：Labelme

下载地址：

https://github.com/wkentaro/labelme

安装：

conda create --name=labelme python=3.6
source activate labelme
conda install pyqt
pip3 install labelme

 安装成功后，终端输入:labelme

1.点击open打开需要标记的图片。

2.点击Create polygons

3.保存

 保存后可得到一个json文件。

我们需要转换成我们可以处理的数据。json对我们来说还是要转换为单通道的image

终端输入：

labelme_json_to_dataset <文件名>.json

即可得到一个文件夹，有四个文件，*.png, info.yaml , label.png, label_viz.png。
其中label.png即是我们要的label_data. 

即标注完成

step step
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
语义分割—Labelme转标签图
DONG_LIN_2019的博客
08-14 589
# >> !pip install -r requirements.txt from json_to_dataset import mk_dataset class args: label_name_to_value = {'_background_': 0, 'center':1} # 指定标签映射 json_file = "./data" # json路径 image_file = "./data" # 图片路径 img_type = ".
如何使用labelme标注语义分割数据集，最详细的深度学习打标签教程
振华OPPO的博客世界
05-26 8134
最详细的深度学习打标签教程
python实现目标检测任务中labelme标注json数据结果转化为yolo标注数据结果
最新发布
Together_CZ的博客
05-30 1049
python实现目标检测任务中labelme标注json数据结果转化为yolo标注数据结果
Labelme的下载安装
linshuaiyou的博客
03-08 859
labelme 下载使用
安装并启动labelme（超详细）
kay_545
01-06 4334
它的主要功能是允许用户手动标注图像中的目标，并生成与目标相关的标注文件，常用的格式包括 PASCAL VOC 格式和 COCO 格式等。标注完成后，可以导出标注结果和标注文件，方便后续的模型训练和评估。4. 多种标注文件格式：LabelMe 支持多种常用的标注文件格式，包括 PASCAL VOC 格式、COCO 格式等，用户可以根据需要选择合适的格式进行导出。2. 多种标注工具：LabelMe 提供了多种标注工具，例如矩形框、多边形、点等，使用户可以根据需要选择合适的标注工具进行目标标注。
Python代码实现图像语义分割
No1_Lucky_pig的博客
08-10 7713
Python代码实现图像语义分割的步骤详解 原文链接：https://www.jb51.net/article/187249.htm 在网上看到了这篇，代码简洁，身为还没完全入门的小白，每跑通一个程序真的都好开心~ 1、环境部署 在进行项目设计前，需要安装所需的第三方库文件：TensorFlow、Pillow、OpenCV-Python、scikit-image和PixelLib，指令如下所示： pip install tensorflow pip install pillow pip install op
语义分割labelme标注流程
10-26
"语义分割labelme标注流程" 语义分割是计算机视觉领域中的一种技术，它可以将图像分割成不同的语义区域，从而实现图像理解和分析。在本文中，我们将介绍使用labelme标注工具进行语义分割的流程。 安装 Anaconda ...
图像分割批量转化json文件为mask文件的Python程序
11-08
该资源为图像分割批量转化json文件为mask文件的Python程序，由labelme加工而成，可搭配labelme一起使用。
语义分割标注工具labelme4.5.6
09-21
- 语义分割广泛应用于自动驾驶、医学图像分析、遥感图像解析等领域，LabelMe提供的标注工具极大地简化了数据准备过程。 - 结合深度学习框架（如TensorFlow、PyTorch）和训练脚本，标注后的数据可以被用来训练高...
深度学习做图像分割的标记工具labelme
06-09
这些掩模可以用于训练深度学习模型，如U-Net、Mask R-CNN等，实现对象检测、语义分割和实例分割任务。 **功能特性** 1. **交互式标注**: Labelme允许用户通过鼠标点击和拖动来绘制多边形边界框，覆盖图像中的对象...
Python-labelme用Python实现的图像可视化标记工具
08-11
`labelme`是一个由WKentaro开发的Python库，它提供了一个简单易用的图形用户界面（GUI），用于对图像进行可视化标记，生成XML标签文件，这些文件包含了丰富的几何形状信息，如矩形、多边形等，是构建对象检测、语义...
【labelme】数据标注工具
qq_44703886的博客
09-08 1897
labelme 介绍 labelme是麻省理工（MIT）的计算机科学和人工智能实验室（CSAIL）研发的图像标注工具，人们可以使用该工具创建定制化标注任务或执行图像标注. labelme 安装 笔者的操作系统是windows 10 ,但不是将labelme直接安装在系统中,而是安装在Anaconda的虚拟环境中.具体操作如下: 1 . 确认已经安装Anaconda 和 python 在终端如下输入,若出现版本信息则安装成功 C:\Users>conda -V conda 4.8.3 C:\Users
图片标注工具Labelme的安装及使用方法
weixin_43506858的博客
07-15 1224
参考：https://blog.csdn.net/u011574296/article/details/79740633 比较好 https://blog.csdn.net/zong596568821xp/article/details/83375227 在做目标检测任务时，需要用到labelImg进行画框标注，在之前的文章中已经介绍过该工具的使用方法。然而如果是做语义分割的任务时，就不能只是标...
安装labelme的步骤+配置环境变量启动labelme
qq_41615583的博客
03-17 7566
1.首先安装anaconda 现在的anaconda已经到了python3.7版本啦，先安装的anaconda python3.7版本的，有更新了一下python3.5到3.7 anaconda的安装教程：https://www.cnblogs.com/gaofighting/p/8799169.html 升级python：https://blog.csdn.net/qq_38949193/art...
labelme的安装过程
啊宇丫
03-15 8263
1.首先安装anaconda，建议将添加到环境变量的选项√上，也可不勾选自己手动添加。安装好之后打开cmd输入conda可以查看有没有加入到环境变量中。如果出现了一大串代码则表示添加成功。 2.可以添加国内的一些镜像源来增加下载速度。 conda config --remove-key channels conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channel
Windows下anaconda3 + Labelme + Pycharm + tensorflow的安装与配置
小黑_BUPT的博客
08-10 2314
anaconda3 + Pycharm的配置 20180713，因为要做一些python的工作，所以要在windows搭建一套anaconda3 + pycharm的开发环境 20180809，在PyCharm中配置了tensorflow的使用 anaconda Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换 Anac...
Labelme的安装及使用详细教程
MYHDTKY的博客
04-29 6196
安装步骤 用pip安装labelme标定工具（默认安装了Python）： 在命令窗口输入： pip install labelme 安装好后，直接在命令行输入labelme就可以打开 labelme打开界面如图： 如果上述步骤安装不成功可按照该博客步骤尝试： https://blog.csdn.net/CAUC_learner/article/details/99655776?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-9.
【python】labelme
luolinll1212的专栏
11-10 268
win10 pip install pyqt5 pip install pyqt5-tools pip install lxml pip install labelme linux pip install pyqt5 pip install labelme mac pip install pyqt5 pip install pyside2 pip install labelme
指定类别的labelme标注的语义分割数据增强python代码
07-08
以下是一个示例的Python代码，用于对指定类别的labelme标注的语义分割数据进行增强： ```python import os import cv2 import numpy as np def semantic_segmentation_augmentation(directory, save_directory, target_class): # 遍历指定目录下的文件 for filename in os.listdir(directory): if filename.endswith(".json"): # 查找以.json结尾的文件 json_file = os.path.join(directory, filename) image_file = json_file.replace(".json", ".jpg") # 将.json替换为.jpg if os.path.isfile(image_file): # 检查对应的图片文件是否存在 # 读取图片文件 image = cv2.imread(image_file) height, width, _ = image.shape # 读取JSON文件并获取标注信息 with open(json_file, 'r') as f: json_data = json.load(f) # 创建空白的语义分割图像 seg_image = np.zeros((height, width), dtype=np.uint8) # 处理每个标注对象 for shape in json_data['shapes']: class_name = shape['label'] if class_name == target_class: points = shape['points'] polygon_points = np.array(points, dtype=np.int32) cv2.fillPoly(seg_image, [polygon_points], 255) # 将增强后的语义分割图像保存到指定目录 save_path = os.path.join(save_directory, filename.replace(".json", ".png")) cv2.imwrite(save_path, seg_image) print(f"语义分割图像保存成功：{save_path}") else: print(f"找不到对应的图片文件：{image_file}") # 指定包含labelme标注文件的目录和保存增强后数据的目录 directory = "path/to/labelme/files" save_directory = "path/to/save/augmented/data" # 指定目标类别名称 target_class = "class_name" semantic_segmentation_augmentation(directory, save_directory, target_class) ``` 你需要将代码中的`"path/to/labelme/files"`替换为包含标注文件的实际目录路径，将`"path/to/save/augmented/data"`替换为你想要保存增强后数据的目录路径，将`"class_name"`替换为你想要增强的目标类别名称。运行代码后，它会遍历目录中的所有.json文件，读取标注信息并创建相应的语义分割图像，然后将增强后的语义分割图像保存到指定目录。 希望这可以帮到你！如果有任何问题，请随时问我。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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