实例分割和语义分割使用labelme制作的数据集如何转换为voc和coco格式的数据

1.首选使用labelme进行数据集制作，制作完成后，会获取到图片和.json的文件，如下:

2.转换数据集为coco或者voc数据集

其实官方已经提供了，转换一个实例的代码，但是没有批量的转换代码，于是网上很多批量转换代码，其实呢，官方作者已经完成了转换代码，大家可以去官网看看：labelme官网，从官网获取两个文件：labelme2coco.py和labelme2voc.py，使用方法，作者有教程，大家研究一下，我这里以转换为voc数据集为例实现一下：

./labelme2voc.py data_annotated data_dataset_voc --labels labels.txt

这里简单介绍一下，data_annotated就是你标注的数据集的目标，就是第一步的包含图片和.json的路径, data_dataset_voc是转换后的路径，这里说明转换结果在本路径下的data_dataset_voc文件下， --labels labels.txt 就是你的标签信息了，

这里提醒一下，制作标签时应该首先把类别确定下来为labels.txt，然后标注时读入这个信息就可以了，如下：

labelme data_annotated --labels labels.txt 

转换完成后会在对应的目录出现如下的文件：

这里就说明转换完成了。

3.这时你会发现标签图片居然是彩色的，是不是需要转换呢？如果想要黑色的那种如何转换呢？

其实这个问题，网上的人说需要转换，说明他根本不懂，这个彩色的只是伪彩色，显示用的，其实他的信息还是8位，对应的像素值就是类别值，如果我们通过代码就可以观察，大家可以看我的另一篇博客，使用labelme进行图片语义分割数据的标注(如何转换为训练的灰度图，即像素值为类别值)， 这里我只是简单的说明了一下，并没有细说，但是发现还是有很多人不懂，我这里仔细的说明一下，其实很简单，但是看一下转换代码就好了，就是对应得labelme2voc.py，这里代码很清晰，可以修改代码生成你们习惯的黑色的那种，下面我们来看看代码：

从图中可以看到保存我们标签的代码是labelme.utils.lblsave(out_png_file, lbl), 那我们进入看看 ：

通过上面大家不难看出，其实在伪彩色的情况下，直接使用PIL.Image进行读取数据即可，但是使用opencv无法读取，只能转换为灰度即L模式，这里给大家链接一个他们模式的讲解：model的讲解。

4.总结

其实有时候一件事如果你觉得很麻烦，多数可能是方法错了，这是你需要深入源码全看他是怎么生成的，而不是其他乱七八糟的转换，所以知其然更要知其所以然。

版权声明：本文为CSDN博主「zsffuture」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/weixin_42398658/article/details/115355988