语义分割标注工具——labelme

参考下面网址：
感谢up主：https://www.bilibili.com/video/BV1xT4y1j7A9?from=search&seid=2903997967250679674

在看本文前强烈建议先看一下上面参考网址里面的视频

1 labelme软件安装

1.1软件下载

在anaconda的命令中直接下载labelme，

1.2数据准备

一共准备两个文件就可以了


在labels文件里可以添加自己的分类名称，换行写

然后在anaconda包含labelme软件包的环境里输入labelme就把软件打开了，打开文件夹就可以标注了，不用输入视频里的命令。

2 标注图像

2.1labelme图像标注

（1）open Dir打开文件夹，然后选择标注图片所在的文件夹就可以；
（2）直接进行标注

2.2图像标注文件生成

（1）首先你的文件夹里要有图片文件夹和labels.txt文件
（2）下载好labelme2voc.py文件

#!/usr/bin/env python

from __future__ import print_function

import argparse
import glob
import os
import os.path as osp
import sys

import imgviz
import numpy as np

import labelme


def main():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter
    )
    parser.add_argument("input_dir", help="input annotated directory")
    parser.add_argument("output_dir", help="output dataset directory")
    parser.add_argument("--labels", help="labels file", required=True)
    parser.add_argument(
        "--noviz", help="no visualization", action="store_true"
    )
    args = parser.parse_args()

    if osp.exists(args.output_dir):
        print("Output directory already exists:", args.output_dir)
        sys.exit(1)
    os.makedirs(args.output_dir)
    os.makedirs(osp.join(args.output_dir, "JPEGImages"))
    os.makedirs(osp.join(args.output_dir, "SegmentationClass"))
    os.makedirs(osp.join(args.output_dir, "SegmentationClassPNG"))
    if not args.noviz:
        os.makedirs(
            osp.join(args.output_dir, "SegmentationClassVisualization")
        )
    print("Creating dataset:", args.output_dir)

    class_names = []
    class_name_to_id = {}
    for i, line in enumerate(open(args.labels).readlines()):
        class_id = i - 1  # starts with -1
        class_name = line.strip()
        class_name_to_id[class_name] = class_id
        if class_id == -1:
            assert class_name == "__ignore__"
            continue
        elif class_id == 0:
            assert class_name == "_background_"
        class_names.append(class_name)
    class_names = tuple(class_names)
    print("class_names:", class_names)
    out_class_names_file = osp.join(args.output_dir, "class_names.txt")
    with open(out_class_names_file, "w") as f:
        f.writelines("\n".join(class_names))
    print("Saved class_names:", out_class_names_file)

    for filename in glob.glob(osp.join(args.input_dir, "*.json")):
        print("Generating dataset from:", filename)

        label_file = labelme.LabelFile(filename=filename)

        base = osp.splitext(osp.basename(filename))[0]
        out_img_file = osp.join(args.output_dir, "JPEGImages", base + ".jpg")
        out_lbl_file = osp.join(
            args.output_dir, "SegmentationClass", base + ".npy"
        )
        out_png_file = osp.join(
            args.output_dir, "SegmentationClassPNG", base + ".png"
        )
        if not args.noviz:
            out_viz_file = osp.join(
                args.output_dir,
                "SegmentationClassVisualization",
                base + ".jpg",
            )

        with open(out_img_file, "wb") as f:
            f.write(label_file.imageData)
        img = labelme.utils.img_data_to_arr(label_file.imageData)

        lbl, _ = labelme.utils.shapes_to_label(
            img_shape=img.shape,
            shapes=label_file.shapes,
            label_name_to_value=class_name_to_id,
        )
        labelme.utils.lblsave(out_png_file, lbl)

        np.save(out_lbl_file, lbl)

        if not args.noviz:
            viz = imgviz.label2rgb(
                label=lbl,
                img=imgviz.rgb2gray(img),
                font_size=15,
                label_names=class_names,
                loc="rb",
            )
            imgviz.io.imsave(out_viz_file, viz)


if __name__ == "__main__":
    main()

（3）在anaconda prompt中cd到文件夹images和labels所在文件夹中,直接cd不过去需要一步步cd，参考https://blog.csdn.net/weixin_41597019/article/details/103947561


（4）输入：python labelme2voc.py images target --labels labels.txt
1、然后得到结果，一共20张图片：

2、生成target文件夹

3、target中包含好几个文件夹
其中用到的是包含文件名JPEG和png那两个

4、png文件夹内容

5、png是单波段影像，有标注地方值为1，背景的值为0

至此图像语义分割标注完成！

3 png波段修改

3.1存在问题

训练的时候，验证集的accuracy一直不变，最后发现原来是输入的png图像有问题，
从上面直接得到的png图像是3个波段

而fcn网络输入的png图像是单波段
所以需要处理

3.2解决方式

（1）修改fcn网络
直接将png图像的输入通道改为3好像也不行，所以这种方式没能实现
（2）将多波段png图像改为单波段
打开envi class进行修改，将r波段影像导出为单波段影像
（也可以直接编程实现）

得到的单波段png符合网络要求

**提示：**在构建网络时，一定要对输入数据进行查看，查看数据大小格式和值，进行相应的预处理，
比如上面的png图像值为0和255，在输入时就要除以255.0
input_anno = input_anno/255.0