目标检测系列（五）已标注数据集（yolo格式）导入labelstudio继续标注
目录
1、labelstudio安装
2、yolo(txt)转json
3、COCO转yolo(仅针对coco格式标注信息)
4、设置环境变量并启动labelstudio
5、进入label studio创建工程并设置任务标签
6、安装http-server并启动文件映射服务
7、进入label studio导入json文件即可
1、labelstudio安装
labelStudio简介：Label Studio 是一个开源的数据标注工具，由 Human Signal （原 Heartex ）推出，主要用于机器学习和数据科学领域，帮助用户对各种类型的数据进行标注和注释，以生成高质量的训练数据。它支持文本、图像、音频、视频等多种数据类型的标注，适用于自然语言处理、图像识别、语音识别等多种应用场景。
安装方法：
pip install label-studio
启动命令（先不着急启动，后面步骤会有）：
label-studio start --data-dir /data/label-studio
2、yolo(txt)转json
第一步，先将标注信息（yolo格式的txt）转为json。
txt格式如下：
txt转为json代码如下：
修改其中的图片来源地址（images_path）、标注信息来源地址（labels_path）、网址服务地址（root_path）和标签字典（label_dict）。
代码生成的json格式如下：
3、COCO转yolo(仅针对coco格式标注信息)
如果原始标注数据是coco格式则先转为yolo格式再进入第一步。
coco格式如下：
coco转为yolo代码如下：
修改其中的标注信息地址（coco_json_path）和yolo文件输出地址（output_dir）。
4、设置环境变量并启动labelstudio
先用脚本设置环境变量：
export LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
export LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/data/label-studio。
然后启动labelstudio
nohup /root/anaconda3/envs/label-studio/bin/python3.1 /root/anaconda3/envs/label-studio/bin/label-studio start --data-dir /data/label-studio &
如果实在不知道怎么配置pycharm，也可以直接用终端命令来生成：
先用cd命令进入ui文件所在的路径下，然后执行命令：pyuic5 -o demo.py demo.ui
5、进入label studio创建工程并设置任务标签
选择标注任务类型并根据第一步生成json时代码中的标注类别（label_dict）来设计labels。
例如，代码中的类别label_dict如下：：
则labelstudio的任务类型选择为目标检测，然后逐一add labels
6、安装http-server并启动文件映射服务
先安装http-server：
apt install npm
npm install http-server -g
然后编辑启动脚本，启动的sh脚本如下：
修改其中的网址列表存储文件（OUTPUT_FILE）和服务端口号（PORT）。
启动服务来映射图片地址（一定要用http-server加上--cors来启动）
nohup sh serve_local_files.sh /data/label-studio/media/upload/1/ *.png &
注意配置图片所在文件夹地址。
7、进入label studio导入json文件即可
流程如下：
然后可以看到项目下的图片及标注框：
完整代码见仓库：https://github.com/Trisyp/labelstudio_data_transfer