labelme的安装及数据集制作

一、labelme的安装

1、创建anaconda虚拟环境labelme

conda create -name=labelme python=3.6

激活进入环境:

conda activate labelme

2、安装labelme所需要的依赖库

安装的时候使用pip或者conda都可

conda install pyqt
conda install pillpw

注:这两个库的安装可能还需要别的依赖包,自行安装。

3、安装labelme

conda install labelme

二、检测数据集的制作

数据集的标注,并生成目标检测网络所需要的xml文件

1、打开labelme界面

 打开labelme之后,进入需要标注的图像文件中

 2、右键点击 create rectangle 创建矩形框

 框好目标和输入其标签后保存

此时,图像文件夹会得到以下json文件

 3、json文件转xml文件

 label.txt 中前两行是基本配置,第三行起是所标记的类别名。

执行之后

此时,输出文件夹里的Annotations中生成所需要的xml文件

三、分割数据集的制作

1、同样打开labelme进行标注

创建Polygon多边形框 

2、 保存得到对应的json文件,如下:

3、类似于检测数据集,运行labelme2voc.py,生成 用于语义分割的数据集

 代码参考:labelme github

版权声明:本文为CSDN博主「_codeplus」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_42593798/article/details/121596348

_codeplus

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

mmdetection之dataset类解读

前言 本篇是mmdetection源码解读第二篇,主要讲解mmdetection是初始化数据类的。本文以coco数据集为例,当然,源码解读不可能面面俱到,重要的是揣摩设计者的思想以及实现过

使用PyTorch实现目标检测与跟踪

欢迎关注 “小白玩转Python”,发现更多 “有趣”引言在昨天的文章中,我们介绍了如何在PyTorch中使用您自己的图像来训练图像分类器,然后使用它来进行图像识别。本文将展示如何使用预训练的分类器检测