Window下的Labelme标注数据的工具的安装和使用

Window下的Labelme的安装和使用:

一、安装:
在Anaconda Prompt的命令行中:

我这里是python3.5
conda create --name=labelme python=3.5
activate labelme
conda install pyqt
conda install pillow
pip install labelme

二、使用
安装完成以后使用如下命令启动 labelme:

在Anaconda Prompt的命令行中依次输入:
activate labelme
labelme

接着会弹出labelme的框

接着就可以进行标注图片了

三、标注图片

把要标注的图片放在一个叫 images 的文件夹,labels.txt放label名字

 

 在标注的时候我只用到标签rock1 和sand_wave1

在Anocado prompt 执行,注意,需要到 images文件所在的目录下执行下列命令

labelme images --labels labels.txt --nodata --validatelabel exact  --config '{shift_auto_shape_color:-2}'

这句话不可这么写,大家直接打开labelme open dir 开始标注图像。

接着:

就弹出Labelme软件,开始标注图片。

按 ” Create Polygona“ 开始画多边形目标,

标注完成一张图像后,save 保存 相应的 json 文件在  images 文件夹下。

之后想要把数据集做成VOC和COCO格式的。后续会再出
参考:https://github.com/wkentaro/labelme/tree/v3.11.2/examples/bbox_detection

这里继续记录一下:

当今天标注到一半,明天接着标注数据:

首先进入Anaconda prompt:

activate labelme
从c盘切换到f盘 (这是我自己的路径,这里你可以进入自己的images文件夹放的路径下)
cd /d F:\rockdata\data_fineGrained

labelme images --labels labels.txt --nodata --validatelabel exact  --config '{shift_auto_shape_color:-2}'

labelme

进入Labelme开始标注

这样就可以继续标注了。

版权声明:本文为CSDN博主「一直开心」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/wenyunick/article/details/121741572

一直开心

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

Meta-DETR | 图像级“元”学习提升目标检测精度

计算机视觉研究院专栏作者:Edison_GOne-shot目标检测旨在通过几个标注的样本来检测新的目标。之前的工作已经证明了元学习是一个很有前途的解决方案,它们中的大多数基本上是通过解决在区域上的元学习检测来进行分类

AP AR mAP ROC AUC(目标检测)

禁止转载!在做目标检测任务的时候,通常会制定规则来评估性能,就如下图所示,后面会慢慢道来其中的原理。 混淆矩阵中 TP、TN、FP、FN
在目标检测中,通常以IoU阈值作为

瑕疵检测(深度学习)

与通用目标检测的区别
相较与整张图片瑕疵区域的占比一般非常小,Faster R-CNN等检测模型对小物体检测不够好
深度学习从低层到高层不断去提炼高层语义信息,层数的增大细节的信息丢失得越多,对于缺