Labelme教程

    在进行Semantic Segmentation（语义分割）研究时，图像标注是整个任务的基础和核心内容之一，图像标注是一项庞大且繁琐的工作，且标注图像的好坏，直接影响模型训练的效果。目前主要有人工标注、半自动标注和自动标注三种方式，其中手动标注的图像精度更高，手动标注常用的工具是Labelme（GitHub源代码），本文将对Labelme的安装和使用进行介绍。

    Labelme可以在Windows、MacOS和Linux系统上安装和使用，Labelme基于QT（PyQt）设计图形界面，编程语言采用的是Python。Labelme具有以下功能：

• 对图像进行多边形，矩形，圆形，多段线，线段，点形式的标注（可用于目标检测，图像分割，等任务）。
• 对图像进行进行 flag 形式的标注（可用于图像分类 和 清理 任务）。
• 视频标注
• 生成 VOC 格式的数据集（for semantic / instance segmentation）
• 生成 COCO 格式的数据集（for instance segmentation）

    1. MiniConda环境安装

（1）下载MiniConda

Conda配置国内源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --set show_channel_urls yes

（2）在硬盘上创建一个文件夹用于存放标配住图片，进入该文件夹，在地址栏输入cmd回车

（3）创建环境，名称为labelme

conda create -n labelme

（4）激活环境，每次使用都要激活

conda activate labelme

   2. Labelme安装

   （1）采用Conda安装

conda install pyqt #安装Qt
pip install labelme

    （2）采用pip安装

pip install pyqt5
pip install labelme

    3. 打开Labelme

直接在控制台输入 labelme 回车即可，打开后Labelme主界面如下：

打开Labelme时可以添加命令行参数，主要命令行参数如下：

--flags： comma separated list of flags 或者 file containing flags
--labels：comma separated list of labels 或者 file containing labels
--nodata：stop storing image data to JSON file
--nosortlabels：stop sorting labels
--output：指定输出文件夹

     3. 标注

（1）打开labelme程序，点击Open打开一幅待标注图像，然后点击Create Polygons按钮

（2）进行标注，需要注意的是，根据分类任务的不同，标注方式也不同，以上图为例，如果只是想区分背景和猫两类（语义分割），则可以将猫标注在一个多边形内，如果想要区分出猫，还要区分出是哪一只猫（全景分割），则需要将三只猫分别标注，本文以第二种方式举例。

如上图所示，如果是语义分割，则只需要将三只猫绘制在同一个多边形内，然然输入类别，GroupID可以不输入，如果是全景分割，则需要将三只猫分别标注出，并用GroupID进行区分。

     4.标注图像导出

（1）将所有需要导出的标注图像和对应的json文件放置在同一目录下，并在该目录下启动命令行

（2）调用labelme_json_to_ dataset <json文件名>.json,导出成功后会自动生成如下文件

• *.png  
• info.yaml
• label.png
• label_names.txt
• label_viz.png