数据集打标签labelme安装及使用教程

简介

        数据标注的工具包括以下几种： 

        LabelImg：一款图形图像标注工具，用Python编写，并将Qt用于其图形界面。可以用于进行目标检测项目的标注工作，支持2D矩形框标注。

        Labelme：一款开源的图像标注工具，由Visual Geometry Group开发。可以在线和离线使用，支持多边形分割、语义分割、2D框、线标注、点标注。

        VIA-VGG Image Annotator (VIA)：一款开源的图像标注工具，由Visual Geometry Group开发。可以在线和离线使用，支持多边形分割、语义分割、2D框、线标注、点标注。Version 3增加了对视频和音频的标注以及人脸标注。

        RectLabel：一款目标检测标注工具，支持导出YOLO、KITTI、COCO JSON与CSV格式，读写Pascal VOC格式的XML文件。

        VOTT：微软发布的一款基于JavaScript开发用于图像目标检测的标注工具，使用React+Redux进行开发，支持Windows和Linux平台运行。软件提供了基于CNTK训练的faster-rcnn模型进行自动标注然后人工矫正的方式，能大幅减轻标注所需的工作量。

        OpenCV/CVAT：一款开源的计算机视觉库，提供了多种标注类型，包括多边形分割、语义分割、2D框、线标注、点标注等。同时支持视频标注和多种文件导出格式，如CVAT for video、CVAT for images、PASCAL VOC等。 LableBox：一款WEB模式下的标记工具，提供自定义注释API支持，纯JS + HTML支持。

我们这里主要介绍一下具Labelme

一、Labelme的安装

官网：https://github.com/wkentaro/labelme

使用pip命令进行下载

首先安装labelme所需要的依赖环境

 pip install pyqt5

Pip install pillow

安装labelme

pip install labelme

指定版本加上镜像

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple labelme==5.0.1

二、使用Labelme

在终端输入命令labelme启动，进行下面页面

上面工具栏可以打开图片或者打开文件夹进行标注，

给各个数据打上标签，默认保存为json格式文件

        标注完之后点击save进行保存，注意：最好把标注完的json文件与原图存放在一个目录下，这样在后期查看的时候可以看到原图与标注区域的叠加，而不单单是原图。

json文件包含内容

        包含你在图片的标注标签的数量与标注框的位置信息

三、标签格式转换

1. 格式差异说明
   • labelme 标注格式：x1,y1,x2,y2（目标检测的对角坐标格式）
   • YOLO-V3 标注格式：Cx,Cy,W,H（相对位置，取值范围 0-1，即中心点横纵坐标、宽高的相对比例）
2. 转换工具
   • 脚本文件：json2yolo.py
   • 位置：在utils文件夹中
   • 功能：将 labelme 生成的 json 标签文件转换为 YOLO-V3 支持的格式
3. 文件路径
   • json 文件路径（labelme 生成标签的文件夹）：...\PyTorch-YOLOv3\PyTorch-YOLOv3_myedit\data\label，包含dog.json、eagle.json、field.json、giraffe.json、herd_of_horses.json、messjon.json、person.json等文件
   • 转换后输出路径：data\custom\labels，生成对应名称的 txt 文件（如dog.txt、eagle.txt、field.txt等），txt 文件内是 YOLO 格式的标注数据（如field.txt中内容为相对坐标数值）

• abelme 是常用的图像标注工具，输出的 json 文件记录目标的对角坐标（x1,y1,x2,y2）；而 YOLO-V3 模型训练需要的是目标中心点和宽高的相对比例（Cx,Cy,W,H，取值 0-1），因此需要格式转换。
• 通过utils文件夹中的json2yolo.py脚本，将 labelme 生成的 json 文件（存放在指定label文件夹）转换为 YOLO 格式的 txt 文件，并输出到data\custom\labels路径下，最终 txt 文件中的数据可直接用于 YOLO-V3 模型的训练。