labelme

標籤我

使用 Python 進行圖像多邊形標註

入門指南|安裝|用途|範例

描述

Labelme 是一款圖形影像註解工具，靈感來自 http://labelme.csail.mit.edu。
它是用 Python 編寫的，並使用 Qt 作為其圖形介面。

實例分割的 VOC 資料集範例。

其他範例（語意分割、bbox 偵測和分類）。

各種圖元（多邊形、矩形、圓形、直線和點）。

特徵

• 多邊形、矩形、圓形、直線和點的圖像註釋。 （教程）

• 用於分類和清理的圖像標記註釋。 （＃166）

• 影片註釋。 （影片註釋）

• GUI 客製化（預先定義標籤/標誌、自動儲存、標籤驗證等）。 （＃144）

• 匯出 VOC 格式資料集以進行語意/實例分割。 （語意分割、實例分割）

• 匯出 COCO 格式的資料集以進行實例分割。 （實例分割）

入門指南

如果您是 Labelme 新手，您可以開始使用 Labelme Starter，其中包含：

• 適用於所有平台的安裝指南：Windows、macOS 和 Linux ？

• 逐步教學：首先註釋編輯、匯出以及與其他程式整合？

• 供進一步探索的寶貴資源彙編？

安裝

有以下選項：

• 與平台無關的安裝：Anaconda

• 特定於平台的安裝：Ubuntu、macOS、Windows

• 從發布部分預先建置二進位文件

蟒蛇

您需要安裝 Anaconda，然後執行以下命令：

 # python3conda create --name=labelme python=3source activate labelme# conda install -c conda-forge pyside2# conda install pyqt# pip install pyqt5 # pyqt5 可以透過 pipip 安裝在 python3p # conda 安裝labelme -c conda-forge

烏班圖

sudo apt-get install labelme# 或sudo pip3 install labelme# 或從以下位置安裝獨立可執行檔：# https://github.com/labelmeai/labelme/releases# 或從來源安裝pip3 install git+https:// github.com/labelmeai/標籤我

macOS

 brew install pyqt # 也許是pyqt5pip install labelme# 或安裝獨立的可執行檔/應用程式：# https://github.com/labelmeai/labelme/releases# 或從來源安裝pip3 install git+https://github. com/labelmeai/labelme

視窗

安裝 Anaconda，然後在 Anaconda Prompt 中執行：

 conda create --name=labelme python=3
conda 啟動 labelme
pip install labelme# 或從以下位置安裝獨立執行檔/應用程式：# https://github.com/labelmeai/labelme/releases# 或從來源安裝pip3 install git+https://github.com/labelmeai/ labelme

用法

運行labelme --help以了解詳細資訊。
註解儲存為 JSON 檔案。

 labelme # 只要開啟 gui# 教學（單圖範例）cd Examples/tutorial
labelme apc2016_obj3.jpg # 指定映像檔labelme apc2016_obj3.jpg -O apc2016_obj3.json # 儲存後關閉視窗labelme apc2016_obj3.jpg --nodata # 儲存後關閉視窗labelme apc2016_obj3.jpg --nodata # 儲存後關閉視窗labelme apc2016_obj3.jpg --nodata # 儲存後關閉視窗labelme apc2016_obj3.jpg --nodata # 儲存後關閉視窗labelme apc2016_obj3.jpg --nodata # 儲存後關閉視窗labelme apc2016_obj3.jpg --nodata # 儲存後關閉視窗。
   --labels highland_6539_self_stick_notes,mead_index_cards,kong_air_dog_squeakair_tennis_ball # 指定標籤清單# 語意分割範例cd Examples/semantic_segmentation
labelme data_annotated/ # 開啟目錄來註解裡面的所有影像labelme data_annotated/ --labels labels.txt # 用檔案指定標籤列表

命令列參數

• --output指定註解將寫入的位置。如果位置以 .json 結尾，則單一註解將寫入此檔案。如果使用 .json 指定位置，則只能註解一張影像。如果該位置不以 .json 結尾，程式將假定它是目錄。註釋將儲存在此目錄中，其名稱與註釋所在的圖像相對應。

• 第一次執行 labelme 時，它將在~/.labelmerc中建立一個設定檔。您可以編輯此文件，變更將在下次啟動 labelme 時套用。如果您希望使用其他位置的設定文件，可以使用--config標誌指定該文件。

• 如果沒有--nosortlabels標誌，程式將按字母順序列出標籤。當程式使用此標誌運行時，它將按照提供的順序顯示標籤。

• 標誌被分配給整個圖像。例子

• 標籤被指派給單一多邊形。例子

常問問題

• 如何將 JSON 檔案轉換為 numpy 陣列？請參閱範例/教程。

• 如何載入標籤PNG檔案？請參閱範例/教程。

• 如何取得語意分割的標註？請參閱範例/語義分段。

• 如何取得實例分割的註解？請參閱範例/instance_segmentation。

範例

• 影像分類

• 邊界框偵測

• 語意分割

• 實例分割

• 影片註釋

如何發展

git clone https://github.com/labelmeai/labelme.gitcd labelme# 安裝 anaconda3 和 labelmecurl -L https://github.com/wkentaro/dotfiles/raw/main/local/bin/install_anaconda3.sh | bash -s .source .anaconda3/bin/activate
pip install -e 。

如何建立獨立的可執行文件

以下展示如何在 macOS、Linux 和 Windows 上建立獨立的可執行檔。

 # 設定 condaconda create --name labelme python=3.9
conda activate labelme# 建置獨立執行檔 pip install .pip install 'matplotlib<3.3'pip install pyinstaller
pyinstaller labelme.spec
距離/labelme --版本

如何貢獻

確保以下測試在您的環境中通過。
有關更多詳細信息，請參閱.github/workflows/ci.yml 。

 pip install -r 要求-dev.txt

ruff format --check # `ruff format` 到自動修復 ruff check # `ruff check --fix` 到自動修復 MPLBACKEND='agg' pytest -vsxtests/

致謝

該存儲庫是 mpitid/pylabelme 的分支。