使用Labelme标注数据
1. 下载labelme
下载地址: https://github.com/labelmeai/labelme/releases/download/v5.5.0/Labelme.exe
2. 打开目录
打开要标注的图片所在的目录,为了对应后面的代码,这里把路径假设为: d:\imgs
3. 设置选项
- 1. 菜单栏 => 文件 => 自动保存
- 2. 菜单栏 => 文件 => 取消勾选 "同时保存图像数据"
- 3. 菜单栏 => 编辑 => 保留最后的标注
4. 标注数据
这里使用矩形框标注,根据自己的情况选择即可.有个ai标注可以尝试一下
标注数据时,创建矩形框后,鼠标依然处于创建状态,这个时候可以右键或者工具类,选择"编辑多边形"即可退出创建状态.
5. 转换标注数据位yolo格式
把上面打开的目录(d:\imgs)中的所有图片和json文件,一个图片标准对应一个json文件,全部复制到程序所在目录下的imgs目录下,然后运行下面的代码即可.
运行代码后在程序所在的目录生成 train 和 valid 目录,把这两个目录复制到yolo根目录训练即可
import os
import json
import random
from glob import glob
from PIL import Image# 这里改为自己标注数据用到的标签
# className为标注数据时标签名
# ratio设置0.8表示80%数据用于训练,20%数据用于验证
dic_labels = {'classname': 0,'ratio': 0.8}def generate_labels(dic_labs):ratio = dic_labs['ratio']for index, labelme_annotation_path in enumerate(glob(f'imgs/*.json')):# 读取labelme格式的json文件with open(labelme_annotation_path, 'r') as labelme_annotation_file:labelme_annotation = json.load(labelme_annotation_file)# 获取图像的路径和文件名（不含扩展名）image_path = os.path.join('imgs', labelme_annotation['imagePath'])image_id, image_ext = os.path.splitext(os.path.basename(image_path))# 计算是train 还是 validtrain_or_valid = 'train' if random.random() < ratio else 'valid'# 从本地图像文件读取图像并保存到相应的目录with Image.open(image_path) as img:img.save(os.path.join(train_or_valid, 'images', f'{image_id}{image_ext}'))# yolo 格式的 labelsyolo_annotation_path = os.path.join(train_or_valid, 'labels', f'{image_id}.txt')with open(yolo_annotation_path, 'w') as yolo_annotation_file:# 获取位置信息for shape in labelme_annotation['shapes']:if shape['shape_type'] != 'rectangle':print(f'Invalid type `{shape["shape_type"]}` in annotation `{labelme_annotation_path}`')continuepoints = shape['points']scale_width = 1.0 / labelme_annotation['imageWidth']scale_height = 1.0 / labelme_annotation['imageHeight']width = (points[1][0] - points[0][0]) * scale_widthheight = (points[1][1] - points[0][1]) * scale_heightx = ((points[1][0] + points[0][0]) / 2) * scale_widthy = ((points[1][1] + points[0][1]) / 2) * scale_heightobject_class = dic_labels[shape['label']]yolo_annotation_file.write(f'{object_class} {x} {y} {width} {height}\n')print("creat lab %d : %s" % (index, image_id))if __name__ == "__main__":os.makedirs(os.path.join("train", 'images'), exist_ok=True)os.makedirs(os.path.join("train", 'labels'), exist_ok=True)os.makedirs(os.path.join("valid", 'images'), exist_ok=True)os.makedirs(os.path.join("valid", 'labels'), exist_ok=True)generate_labels(dic_labels)