AI 工具 - 标注工具 labelme

作者：AIWeker-人工智能微客

2022 年 3 月 30 日
本文字数：1444 字
阅读完需：约 5 分钟

在人工智能领域，数据是一切应用的基础，特别是有标签的数据。今天介绍一款在图像视觉领域的基于 python 开源打标签工具Labelme，该工具可以支持图像分类，目标检测, 语义分割和实例分割等最常见的视觉任务。

其他类似的工具有 Labelimg

1. 安装

lableme 开源代码见 https://github.com/wkentaro/labelme

本地安装如下：

pip install labelmepip install lxml
## 运行./labelme

复制代码

2 使用

从上面的界面（pyQt）可以看出 Labelme

左边为标注的图形：支持圆形，方形和多边形
中间为图像标注区域
右边为类别和文件信息

作为打标工具，Labelme 是支持在标注时再输入标签类别信息，但是建议在标注之前构建一个标签元数据，作为输入。

建议的使用步骤如下：

构建标签列表创建标签名称 label.txt，格式如下前面两行为固定：

__ignore___background_dogcat

复制代码

导入标签，并启动

labelme --labels label.txt

复制代码

开始标注根据标注任务的不同，Labelme 会生成一个与图片名称相同的 json 文件，以目标检测为例，标注好的 json 样例为:

{  "version": "4.6.0",  "flags": {},  "shapes": [    {      "label": "nochefclothes",      "points": [        [          278.53846153846155,          390.3076923                                                             ],        [          513.9230769230769,          955.5384615384615        ]      ],      "group_id": null,      "shape_type": "rectangle",      "flags": {}    }  ],  "imagePath": "3a7b9c1896e19feab13bc201cbf2a86b.jpeg",  "imageData": "",  "imageHeight": 1000,  "imageWidth": 798}

复制代码

可以看出

label为类别信息，
points为 bounding box 位置信息，如果是目标检测（方形）分别为左上(xmin,ymin)和右下(xmax, ymax)的坐标信息，如果是语义分割和实例分割，则为多个点
shape_type: 目标检测为 rectangle，语义分割和实例分割为 polysgons

等标注完成，保存即可；标注完成之后想查看标注结果，可以通过不同的方式来打开

# 空白labelme --labels label.txt
# 单图jsonlabelme ./img1.json --labels label.txt
# 目录方式labelme ./img_dir --labels label.txt

复制代码

另外，Labelme 也是支持视频标注的。通过视频抽帧之后再标注。

3. 格式转换

由于 Labelme 是按照 json 格式来保存标注结果的，这和现有的常用任务格式有些区别，如目标检测的 VOC COCO 等，Labelme 也提供的相应的转换工具脚本进行转换，十分方便。

转换 voc

# It generates:#   - data_dataset_voc/JPEGImages#   - data_dataset_voc/SegmentationClass#   - data_dataset_voc/SegmentationClassVisualization#   - data_dataset_voc/SegmentationObject#   - data_dataset_voc/SegmentationObjectVisualization./labelme2voc.py data_annotated data_dataset_voc --labels labels.txt
python -u labelme2voc.py ./multi_defect ./multi_defect_voc --labels ./labels.txt --noviz

复制代码

转换 coco

# It generates:#   - data_dataset_coco/JPEGImages#   - data_dataset_coco/annotations.json./labelme2coco.py data_annotated data_dataset_coco --labels labels.txt

复制代码