自制数据集之labelme软件的使用，深度学习入门（1）

说明

因为之前做语义分割项目需要自己制作数据集，故了解到labelme标注软件，语义分割需要标注出同类别的信息，使用labelme过程中的一些坑和心得记录下来。笔者的环境,win10+python3.7+tensorflow2.1.0+labelme 4.5.9

一.安装labelme

安装labelme比较简单，我是在win10+anaconda环境下，打开anaconda prompt（或者win+r+cmd 然后键入:activate base（你的python环境），推荐这种）终端，直接pip install labelme即可，若是网络波动下载缓慢，可以使用国内源进行下载。

1.可以直接pip

pip install labelme

2.网络问题的话可以指定国内源并且可以指定版本，以豆瓣源为例

pip install -i https://pypi.douban.com/simple --trusted-host pypi.douban.com labelme=4.5.9

安装之后直接在终端键入labelme即可打开labelme界面

可能出现的问题1：
在win+r+cmd activate base(你的python环境)时出现activate既不是外部命令，也不是可运行程序等等那就是没有把activate bat脚本配置到Path环境变量里，这一步需要找到安装anaconda时的activate脚本所在的位置，事实上activate和conda,deactivate这些脚本存放的位置都是在一起的，我的存放位置是：D:\ProgramData\Anaconda3\condabin，相对位置都是一样的，比较好找。

二.使用labelme标注

终端键入labelme即可使用labelme标注，点击open dir可以对文件夹中的文件进行标注，edit菜单栏下也有不同的标注方式，多点标注，长方形标注，正方形并标注等等。点击save即可保存为同名的json配置文件。

标注注意事项：
如果是面对项目工程量大的标注，需要多人标注，那么标注的顺序是很重要的，所有人必须有同样的先后顺序的标注。在labelme中，第一个标注的物体类别是红色框框起来的，第二个是绿色框，如下图所示，我先标了火腿肠所以是用红色框起来的，后标的积木是用绿色框起来的，如果我和我的队友没有协商好，他先标了积木后标了火腿肠，那么在解析json文件后是需要编写脚本重新将两个数据集合并的，增加了许多不必要的麻烦。

三 解析json文件

对于上一步生成的json文件，labelme中为我们提供了脚本来解析json文件，键入如下即可将json文件生成对应的同名目录

labelme_json_to_dataset   C:\Users\Administrator\Desktop\test\1_img.json

labelme_json_to_dataset解析json的脚本，后面的是待解析json文件的绝对路径

解析后的文件夹如图所示：

其中的img.png即为喂给神经网络待学习的数据,而label.png是所谓的标准答案，也就是标签，与目标检测不同的是，语义分割的label是一张图像而不是具体的数值或字段。

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

四、批处理json文件夹

可以想象的是，一个个接送文件的处理是及其麻烦的，对此，我们可以方便的编写python脚本来进行json文件的批处理，我们需要单独建一个文件夹里面存放所有的json文件，具体脚本代码如下：

def batch_handle_json(path):  # 批处理json文件:  path为json文件夹存放的绝对路径
    json_file = os.listdir(path)
    os.system("activate base")  # 在当前进程打开子进程执行command命令,相当于在命令行下敲命令
    for file in json_file:
        os.system("labelme_json_to_dataset.exe %s"%(path + '/' + file))  # 格式化输出