labelme 安装使用及常见问题解决

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了labelme 安装使用及常见问题解决相关的知识,希望对你有一定的参考价值。

(目录)

写在前面,本文为作者本人在学习使用labelme过程中遇到的各种问题,记录于此,希望对其他同学有所帮助。

1. labelme安装

labelme是麻省理工(MIT)的计算机科学和人工智能实验室(CSAIL)研发的图像标注工具,人们可以使用该工具创建定制化标注任务或执行图像标注。

1.1 Anaconda安装

Anaconda可以理解为是用来管理python各种库的,不同的程序需要库的版本和类别可能不同,这时我们就可以使用Anaconda对其分别创建一个虚拟环境,在这个虚拟环境中安装对应程序所需要的包(ps:虽然pycharm也可以创建虚拟环境,但是Anaconda的优点不止于此,建议安装)。 在Anaconda官网下载安装即可,安装过程不做赘述,可在csdn查找。 安装完成可以看到如下内容:

1.2 创建虚拟环境 labelme

1.2.1 进入Anaconda Prompt创建

创建名为labelme的虚拟环境,输入python版本

conda create -n labelme python=3.9

1.2.2 在Anaconda Navigator 中创建

1.3 安装包

在安装依赖的包前,要先切换到创建的虚拟环境

conda activate labelme

安装包

conda install pyqt
conda install pillow
pip install labelme==3.16.2
conda install scikit-image

2. labelme的使用

  1. 进入Anaconda Prompt
  2. 切换到虚拟环境 conda activate labelme
  3. 输入命令:labelme 运行 在这里修改标注形状 标注完成后,点击 Save,会保存对应的 json 数据

3. labelme批量实现json_to_dataset

修改虚拟环境中labelme中的json_to_dataset.py文件 E:\\environment\\PythonEnvi\\Anaconda3\\envs\\labelme\\Lib\\site-packages\\labelme\\cli 修改为以下内容:

import argparse
import json
import os
import os.path as osp
import warnings
 
import PIL.Image
import yaml
 
from labelme import utils
import base64
 
import numpy as np
from skimage import img_as_ubyte
 
def main():
    warnings.warn("This script is aimed to demonstrate how to convert the\\n"
                  "JSON file to a single image dataset, and not to handle\\n"
                  "multiple JSON files to generate a real-use dataset.")
    parser = argparse.ArgumentParser()
    parser.add_argument(json_file)
    parser.add_argument(-o, --out, default=None)
    args = parser.parse_args()
 
    json_file = args.json_file
 
    count = os.listdir(json_file) 
    for i in range(0, len(count)):
        path = os.path.join(json_file, count[i])
        if os.path.isfile(path):
            data = json.load(open(path))
 
			##############################
			#save_diretory
            out_dir1 = osp.basename(path).replace(., _)
            save_file_name = out_dir1
            out_dir1 = osp.join(osp.dirname(path), out_dir1)
 
            if not osp.exists(json_file + \\\\ + labelme_json):
                os.mkdir(json_file + \\\\ + labelme_json)
            labelme_json = json_file + \\\\ + labelme_json
 
            out_dir2 = labelme_json + \\\\ + save_file_name
            if not osp.exists(out_dir2):
                os.mkdir(out_dir2)
 
			#########################
 
            if data[imageData]:
                imageData = data[imageData]
            else:
                imagePath = os.path.join(os.path.dirname(path), data[imagePath])
                with open(imagePath, rb) as f:
                    imageData = f.read()
                    imageData = base64.b64encode(imageData).decode(utf-8)
            img = utils.img_b64_to_arr(imageData)
            label_name_to_value = _background_: 0
            for shape in data[shapes]:
                label_name = shape[label]
                if label_name in label_name_to_value:
                    label_value = label_name_to_value[label_name]
                else:
                    label_value = len(label_name_to_value)
                    label_name_to_value[label_name] = label_value
            
            # label_values must be dense
            label_values, label_names = [], []
            for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]):
                label_values.append(lv)
                label_names.append(ln)
            assert label_values == list(range(len(label_values)))
            
            lbl = utils.shapes_to_label(img.shape, data[shapes], label_name_to_value)
            
			
			
            captions = [: .format(lv, ln)
                for ln, lv in label_name_to_value.items()]
            lbl_viz = utils.draw_label(lbl, img, captions)
             
            PIL.Image.fromarray(img).save(out_dir2+\\\\+save_file_name+_img.png)
            #PIL.Image.fromarray(lbl).save(osp.join(out_dir2, label.png))
            utils.lblsave(osp.join(out_dir2, save_file_name+_label.png), lbl)
            PIL.Image.fromarray(lbl_viz).save(out_dir2+\\\\+save_file_name+
            _label_viz.png)
 
            with open(osp.join(out_dir2, label_names.txt), w) as f:
                for lbl_name in label_names:
                    f.write(lbl_name + \\n)
 
            warnings.warn(info.yaml is being replaced by label_names.txt)
            info = dict(label_names=label_names)
            with open(osp.join(out_dir2, info.yaml), w) as f:
                yaml.safe_dump(info, f, default_flow_style=False)
				
				
			#save png to another directory
            if not osp.exists(json_file + \\\\ + mask_png):
                os.mkdir(json_file + \\\\ + mask_png)
            mask_save2png_path = json_file + \\\\ + mask_png
 
            utils.lblsave(osp.join(mask_save2png_path, save_file_name+_label.png), lbl)
 
            print(Saved to: %s % out_dir2)
            
if __name__ == __main__:
    main()
  1. 进入Anaconda Prompt
  2. 切换到虚拟环境 conda activate labelme
  3. 切换到json_to_dataset所在文件夹
    1. E:
    2. cd json_to_dataset所在文件夹
      cd E:\\environment\\PythonEnvi\\Anaconda3\\envs\\labelme\\Lib\\site-packages\\labelme\\cli
  4. python json_to_dataset.py json文件所在文件夹
    python json_to_dataset.py F:\\2024\\11_project\\04_lvmoban\\U_Net\\U-Net\\demo

4. 常见问题汇总

4.1 UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xff in position 0

起初以为是json_to_dataset文件中的编码问题,但是当我重新新建一个文件夹,里面只有json文件时,问题就解决了。 原因:文件夹中存在非json文件

4.2 module labelme.utils has no attribute draw_label

重新安装labelme

pip install labelme==3.16.2

4.3 Polygon must have points more than 2

原因:存在标注的点数太少了的区域,需要大于2。

4.4 ModuleNotFoundError: No module named skimage

conda install scikit-image

4.5 Inconsistent use of tabs and spaces in indentation

空格和Tab不能同时使用,可以notepad++中查看

以上是关于labelme 安装使用及常见问题解决的主要内容,如果未能解决你的问题,请参考以下文章

开源图像标注工具labelme的安装使用及汉化

图片标注工具Labelme的安装及使用方法

工具使用标注工具Labelme的安装以及使用

机器视觉-windows10环境下labelme的安装与使用

图像标注Labelme的安装与使用

使用labelme打标签,详细教程