Skip to content

Latest commit

 

History

History
278 lines (160 loc) · 6.04 KB

DetAnnoTools.md

File metadata and controls

278 lines (160 loc) · 6.04 KB

简体中文 | English

目标检测标注工具

目录

LabelMe

LabelImg

使用说明

LabelMe安装

具体安装操作请参考LabelMe官方教程中的Installation

Ubuntu
sudo apt-get install labelme

# or
sudo pip3 install labelme

# or install standalone executable from:
# https://github.com/wkentaro/labelme/releases
macOS
brew install pyqt  # maybe pyqt5
pip install labelme

# or
brew install wkentaro/labelme/labelme  # command line interface
# brew install --cask wkentaro/labelme/labelme  # app

# or install standalone executable/app from:
# https://github.com/wkentaro/labelme/releases

推荐使用Anaconda的安装方式

conda create –name=labelme python=3
conda activate labelme
pip install pyqt5
pip install labelme

LabelMe图片标注过程

启动labelme后,选择图片文件或者图片所在文件夹

左侧编辑栏选择create polygons 绘制标注区域如下图所示(右击图像区域可以选择不同的标注形状),绘制好区域后按下回车,弹出新的框填入标注区域对应的标签,如:people

左侧菜单栏点击保存,生成json形式的标注文件

LabelMe标注格式

LabelMe导出数据格式

#生成标注文件
png/jpeg/jpg-->labelme标注-->json

格式转化总结

#标注文件转化为VOC数据集格式
json-->labelme2voc.py-->VOC数据集

#标注文件转化为COCO数据集格式
json-->labelme2coco.py-->COCO数据集

标注文件(json)-->VOC数据集

使用官方给出的labelme2voc.py这份脚本

下载该脚本,在命令行中使用

python labelme2voc.py data_annotated(标注文件所在文件夹) data_dataset_voc(输出文件夹) --labels labels.txt

运行后,在指定的输出文件夹中会如下的目录

# It generates:
#   - data_dataset_voc/JPEGImages
#   - data_dataset_voc/Annotations
#   - data_dataset_voc/AnnotationsVisualization

标注文件(json)-->COCO数据集

使用PaddleDetection提供的x2coco.py 将labelme标注的数据转换为COCO数据集形式

python tools/x2coco.py \
                --dataset_type labelme \
                --json_input_dir ./labelme_annos/ \
                --image_input_dir ./labelme_imgs/ \
                --output_dir ./cocome/ \
                --train_proportion 0.8 \
                --val_proportion 0.2 \
                --test_proportion 0.0

用户数据集转成COCO数据后目录结构如下(注意数据集中路径名、文件名尽量不要使用中文,避免中文编码问题导致出错):

dataset/xxx/
├── annotations
│   ├── train.json  # coco数据的标注文件
│   ├── valid.json  # coco数据的标注文件
├── images
│   ├── xxx1.jpg
│   ├── xxx2.jpg
│   ├── xxx3.jpg
│   |   ...
...

使用说明

LabelImg安装

安装操作请参考LabelImg官方教程

Ubuntu
sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
macOS
brew install qt  # Install qt-5.x.x by Homebrew
brew install libxml2

or using pip

pip3 install pyqt5 lxml # Install qt and lxml by pip

make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

推荐使用Anaconda的安装方式

首先下载并进入 labelImg 的目录

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

安装注意事项

以Anaconda安装方式为例,比Labelme配置要麻烦一些

启动方式是通过python运行脚本python labelImg.py <图片路径>

LabelImg图片标注过程

启动labelImg后,选择图片文件或者图片所在文件夹

左侧编辑栏选择创建区块 绘制标注区,在弹出新的框选择对应的标签

左侧菜单栏点击保存,可以选择VOC/YOLO/CreateML三种类型的标注文件

LabelImg标注格式

LabelImg导出数据格式

#生成标注文件
png/jpeg/jpg-->labelImg标注-->xml/txt/json

格式转换注意事项

PaddleDetection支持VOC或COCO格式的数据,经LabelImg标注导出后的标注文件,需要修改为VOC或COCO格式,调整说明可以参考准备训练数据