labelme工具不仅仅具有标注功能,而且可以将json文件转化为png的分割训练文件,如果您是一个类别则可以直接用labelme_json_to_dataset进行转换最后提取对应的掩码文件即可进行语义分割训练。如果您是>=2个类别则不推荐使用labelme工具进行转换,官方已经提示使用labelme_json_to_dataset进行超过2个类别转换可能会导致颜色映射错误,从而导致转换Png混乱,进一步导致训练的模型识别能力很差或者根本不能识别。官方的labelme_json_todatase工具转换要求json绝对路径不能包含中文路径或者空格,否则需要更改代码才能正常转换。这里不做讲解怎么改代码,下面我们将带大家怎么转换。转换前需要注意几点:
第一:必须切换到labelme对应安装环境中,否则无法使用labelme_json_to_dataset工具
第二:json绝对路径不能包含中文路径或者空格,否则无法转换
第三:官方的labelme_json_to_dataset只能转换单个json文件不支持文件夹批量转换,如果想批量转换需要更改代码或者写个bat脚本进行批量转换
第四:转换的Json文件中包含图片base64编码信息或者json和图片要在一起放着。如果只有一个对应json文件,没有对应图片且同时json里面没有存储base64的图片信息也会导致无法转换。
好了下面开始操作:
第一步,打开我们对应的labelme环境,比如我的labelme是安装在anaconda3的base环境中,我们在任务栏搜索anconda打开prompt
打开后进入prompt环境
可以看到cmd上面右侧多了个base,表示我们正在anaconda3的base环境中,如果您是在其他虚拟环境中,比如py38环境,则可以通过输入conda activate py38进行切换到指定环境
您可以看到右侧环境名字由base变成py38,如果您是其他名称虚拟环境可以依此类推操作
之后我们切换到json所在目录
比如我在桌面路径有个文件夹里面放的是标注文件C:\Users\Administrator\Desktop\labelme-dogcat-test
则可以输入
cd /d C:\Users\Administrator\Desktop\labelme-dogcat-test进行切换,注意/d是必须存在的,否则无法切换目录
随后我们开始转换,输入labelme_json_to_dataset json文件名即可转换
之后我们进去json所在文件夹查看转换结果
可以看到已经转换完成。如果想批量转换则需要自己写代码或者脚本进行转换。 这里我提供一个脚本
import os
import sys
import subprocess'''
本脚本可以批量将labelme标注的json文件转成模型训练的掩码文件
'''def convert_file(json_file):p = subprocess.Popen(["labelme_json_to_dataset", json_file], shell=False, stdout=subprocess.PIPE)p.communicate()def convert_dir(dir):count = 0for file in os.listdir(dir):if not file.endswith(".json"):continuejson_file = os.path.join(dir, file)convert_file(json_file)count += 1print("convert over, {} file(s) converted!".format(count))if __name__ == '__main__':arg = sys.argvif len(arg) == 2:convert_dir(arg[1])else:print(r"command error,you should input command like:python json_convert.py D:\json")
将其保存为json_convert.py,然后切换到这个脚本路径,执行
python json_convert.py 文件夹路径比如我的json文件都放在桌面文件夹C:\Users\Administrator\Desktop\labelme-dogcat-test
则输入
python json_convert.py C:\Users\Administrator\Desktop\labelme-dogcat-test
如果您觉得上面文章太长看的头疼,请观看视频演示教程:
如何使用labelme自带工具进行掩码文件转化以及注意事项_哔哩哔哩_bilibili教你如何使用labelme自带的labelme_json_to_dataset进行掩码文件转化以及注意事项, 视频播放量 1、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心,相关视频:yolov8自动标注工具使用教程可更换自己模型标注,yolov8 TensorRT C++ C#部署,用C#部署yolov8的tensorrt模型进行目标检测winform最快检测速度,基于yolov8官方目标追踪botsort和bytetrack源码开发视频演示,[数据集][目标检测][重制版]人员持刀数据集VOC+YOLO格式6923张1类别,C# winform使用纯opencvsharp部署yolox-onnx模型,使用纯opencv部署yolov8目标检测模型onnx,YOLOv8检测界面-PyQt5实现,yolov3 yolov4 yolov7训练助手2.1支持yolov7一键训练全程不用写代码傻瓜式操作,C#实现全网yolov7目前最快winform目标检测https://www.bilibili.com/video/BV1ne41117pp/?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee