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
- 进入Anaconda Prompt
- 切换到虚拟环境
conda activate labelme
- 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()
- 进入Anaconda Prompt
- 切换到虚拟环境
conda activate labelme
- 切换到json_to_dataset所在文件夹
E:
- cd json_to_dataset所在文件夹
cd E:\\environment\\PythonEnvi\\Anaconda3\\envs\\labelme\\Lib\\site-packages\\labelme\\cli
- 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