Labelme 图像标注实战10 分钟从一张图片到可训练的标注数据集【免费下载链接】labelmeImage annotation with Python. Supports polygon, rectangle, circle, line, point, and AI-assisted annotation.项目地址: https://gitcode.com/gh_mirrors/la/labelme手上有一批图片喂给训练框架之前得先画上框、分割和类别标签。Labelme 是一个 Python Qt 的图像标注工具界面里标JSON 直接落盘自带脚本还能把整个目录批量转成 VOC 或 COCO 数据集。下面把完整流程走一遍从空白画面到能验收的目录大约十分钟。五种形状加 flags先认清它能标什么五种基础形状加图像级 flags保存即 JSON下游可对接两种主流数据集格式五种基础形状多边形、矩形、圆形、线条、点图像级 flags整图打标适合分类、质检场景保存形式一图一 JSON写在图片同目录下游转换批量转 VOCXML / 掩码或 COCO单个annotations.json平台要求64 位 macOS / Windows / LinuxPython 3.12 起安装并打开示例目录练手先克隆再安装装好就能拿仓库自带示例开练git clone https://gitcode.com/gh_mirrors/la/labelme cd labelme pip install -e .装完后用仓库里现成的示例图开练labelme examples/bbox_detection/data_annotated这条命令直接打开目标检测示例目录仓库还带了语义分割等现成例子可换着练。换成自己的数据不带参数启动labelme点左侧Open Dir指向自己的图片文件夹。打开后标题栏给出当前图 序号/总数右边 File List 挂着全部待标图标到第几张心里有数。五步标出第一个多边形从选工具到落盘只要五步点左侧工具栏的Create Polygons切到标注模式沿物体轮廓逐点单击每个点落下一个绿色顶点已落的点连成折线边点边预览快回到起点时用双击或 Enter 完成闭合弹出对话框输入类别名如person上次的标签会被预填也可以直接从候选里挑最后按CtrlS标注立刻写进图片同目录的 JSON此刻多边形刚闭合标签对话框已打开预填了上一次用的标签选个类别名确认即可。同名 .json 里存了什么先给结论每张图标完旁边多出一个同名.json信息足以还原其中任何一个形状shapes数组装着该图全部形状label/points形状的类别名与顶点坐标group_id形状之间的分组imagePath、宽高、文件大小图片自身信息右侧 File List 里带勾的图表示已标过每存一次就新建或覆盖对应 JSON。两条命令转出 VOC 和 COCO 数据集转换脚本就在 examples 示例目录 里两条命令各吃一整个标注目录./labelme2voc.py data_annotated data_dataset_voc --labels labels.txt ./labelme2coco.py data_annotated data_dataset_coco --labels labels.txt两种输出结构差异明显VOC 是散文件每张图一个 XML 放在Annotations/下另有SegmentationClass等掩码目录COCO 则是单个annotations.json汇总全部标注。转完别急着进训练先翻输出目录里的 Visualization 图掩码有没有贴住物体、类别颜色对不对一眼可见。标错就回 Labelme 修好再重跑一次。像素级对法在这里一张图里每类一种颜色右下角图例写明数值到类别的映射。批量标注的三个提速点下面三招都针对连标几十张图的情况快捷键CtrlS保存、CtrlZ撤销、Delete删除选中形状D/A前后切图CtrlF适应窗口——连标几十张时手基本不用离开键盘预置标签图片目录放一份labels.txt一行一个标签启动时带--labels参数载入再开--validate-label exact标签只能来自这份名单拼写漂移从源头掐掉AI 辅助与逐帧标注顶部 AI-Assisted Annotation 面板选好 SAM 系列模型图上点一下就有现成的多边形/掩码适合先出大轮廓再手修视频数据按帧标D/A推进帧序每帧各自落一个 JSON视频示例里当前帧已标出 track 和 car按 D 键继续下一帧。协议、存储、导出三个问题Q开源协议是什么商用有没有问题GPL-3.0-only不是 MIT。团队内部做标注没有限制要把它二次开发后的软件交给别人用须按 GPL 条款办事拿不准先问法务。Q标注结果存哪儿图片旁边同名的.json标一张存一张File List 里打勾即已标完。Q边界框导出成什么形态转 VOC 时框写进Annotations/下的 XML转 COCO 时进annotations.json的bbox字段。多边形、掩码在两种格式下都会额外产出一套分割标注。交付前对照这份验收清单用自己的数据完整走一遍「标注 → 保存 → 转换 → 可视化」数据目录放了labels.txt并开启 strict 标签校验批量转换后抽查了至少几张 Visualization 图产物目录结构对得上训练脚本里写死的路径【免费下载链接】labelmeImage annotation with Python. Supports polygon, rectangle, circle, line, point, and AI-assisted annotation.项目地址: https://gitcode.com/gh_mirrors/la/labelme创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考