1.labelImg
LabelImg是一个可视化的图像标定工具。使用该工具前需配置环境python+ lxml,FasterRCNN,YOLO,SSD等目标检测网络所需要的数据集,均需要借此工具标定图像中的目标。
1.1 windows下的安装与使用
可以直接下载封装好的labelImg无需安装任何东西,win7下已验证
1.安装python2.6或更高版本
进入download然后选择windowsx86-64 executable installer
下载后安装(勾选add python to path)安装完毕close即可
2.easy_install的安装
直接下载ez_setup-0.9.tar文件
DOS窗口访问ez_setup.py所在目录,输入python ez_setup.py,安装成功后进行下一步
3.pip的安装
直接在DOS窗口输入python get-pip.py ,显示安装成功后进行下一步
4.安装lxml
在DOS窗口直接输入pip install lxml
5.labelimg的测试
到github上面下载需要的版本: https://tzutalin.github.io/labelImg/
到云盘直接下载labelimg, 选择window版本下载,labelImg可执行文件存放路径不要有中文。双击labeImg.exe,弹出界面说明配置成功。
6.使用方法:
W :创建矩形窗
Ctrl + S :保存
A :上一张
D :下一张
7.标签格式:
<annotation verified="no">
<folder>Pictures</folder>
<filename>1111</filename>
<path>C:\Users\cetc\Pictures\1111.png</path>
<source>
<database>Unknown</database>
</source>
<size>
<width>1087</width>
<height>140</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object>
<name>words</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<Difficult>0</Difficult>
<bndbox>
<xmin>686</xmin>
<ymin>75</ymin>
<xmax>785</xmax>
<ymax>117</ymax>
</bndbox>
</object>
</annotation>
可以直接
2.Labelme
适用于图像分割任务的数据集制作:
该软件实现了最基本的分割数据标注工作,在save后将保持Object的一些信息到一个json文件中,如下:
https://github.com/wkentaro/labelme/blob/master/static/apc2016_obj3.json
同时该软件提供了将json文件转化为labelimage的功能:
3.yolo_mark
yolo_mark适用于图像检测任务的数据集制作:
在代码文件所在目录下新建images文件夹、labels文件夹,将需要做标记的图片放到images文件夹中。最后得到的标签文件会存放到labels文件夹下。
目前只能对一类物体进行标记,如果需要制作多类的标签数据,只能修改代码67行后重复运行代码。以后有时间会将代码进行完善。
本代码用到了opencv,利用opencv进行标记,需要提前配置好opencv库
在命令行窗口下,输入 python YOLOv2_photo_mark.py进入标记界面。
左键拖动进行绘制,当前图片绘制完成后,点击右键绘制下一张图片,直到标记完成images目录下的所有图片。
4.未完待续…
参考资料:
http://blog.csdn.net/chaipp0607/article/details/79036312
https://www.zhihu.com/question/30626971