labelme安装以及使用教程——自制语义分割数据集（保姆级示范）@wx的博客-

前言：
这次我们要做的是一个物堆（也可以是沙、矿堆之类）的数据集，用于语义分割。我们的工作，就是要使用labelme工具，利用原图1.jpg生成它的标签图片1.png，得到的最终结果像下面这样：

1. 安装 Anaconda3

具体安装步骤以及下载地址可见：Anaconda3+tensorflow2.0.0+PyCharm安装与环境搭建中的Anaconda3安装部分。已经安装过了可跳过这一步~

2. 安装 labelme

（1）第一步，打开Anaconda Prompt ，然后使用conda创建一个虚拟环境，并命名为labelme。

conda create -n labelme python=3.6 

（2）进入创建好的虚拟环境

conda activate labelme 

（3）下载安装labelme

pip install labelme 

如果速度太慢的话，可改用清华镜像源下载（推荐），方法如下：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple labelme 

如果没有报错的话，到这一步你就安装完成了！

3. 使用 labelme

（1）打开 labelme 界面

在刚才创建的虚拟环境下，打开labelme。如下图所示：直接输入label，然后回车。

注：如果你之前不小心退出了labelme虚拟环境，需要重新进入该环境下。

打开之后，labelme的界面就像下面这样：

（2）标注数据集

第一步，点击open。打开你准备好的数据集，选中第一张图片打开。比如下面我打开的图片是302.jpg

第二步，点击 create polygons 开始描点。描点一定要细致，要将目标（这里是物堆）刚好框住。就像下面这样：

锚点完成后，会自动跳出下图页面让你标注类别。这里因为我只需要判断出物堆的区域，所以类别直接命名为1即可。
然后点击保存，就得到了对应的json文件。如下图所示：

（3）生成 png 图片标签

在开始菜单，再次找到 Anaconda Prompt 打开。注意第一次打开的 Anaconda Prompt 不要关。
第一步，先进入已经创建好的labelme环境：

conda activate labelme 

第二步，cd 到刚才生成的json文件地址。比如我生成的302.json文件在：C:Usersyibo_liuDesktop沙堆数据集数据集test。那就cd 到该目录下：

第三步，运行如下代码：

labelme_json_to_dataset  <文件名>.json 

比如我要生成 302.json 的 png 标签文件，就像下面这样：

这一步完成后，就生成了302_json文件，我们最终需要的png标签就在这个文件夹里。

最后，打开302_json文件，需要将里面的 label.png 重命名为 302.png，这就是我们最终要的标签。
注意：标签图片名一定要和原图对应。

到这里就完成了一张图的标注过程。最终，需要将所有重命名后的png标签图片存有序地放在一个文件里。