参考视频：labelme使用指南（转VOC、coco数据集）_哔哩哔哩_bilibili

Labelme用于分割、目标检测数据集创建，同时使用ai标注能大幅提升标注效率

首先第一步配置环境+安装：

pip install labelme

安装好后可以在自己的路径中直接输入labelme启动：

labelme

启动成功的界面如下：

同时命令行中有输出如下：

表示labelme成功安装并成功运行。

手动标注

接着可以在labelme软件的左上角直接打开需要标注的照片和文件夹，右键图片选择建立多边形进行标记，标记你所需要的内容，首尾相连，并命名。成功标记的展示：

标定完成过后，每张图片会生成对应的json文件，文件中是我们标注的每个点，下次使用labelme打开这张照片时就会自动加载json文件，可以继续进行标注。例：

（注意这里将所有的图片和json文件放在一个文件夹中，后面我们进行ai标注时会使用到）

转换VOC和COCO数据集

首先将labelme项目复制到你的文件夹下：

git clone https://github.com/labelmeai/labelme.git

注意这个项目文件夹要和你的照片标注文件夹在一个目录下，即：

（data_annotated是我自己的标注图片文件夹，labelme是项目文件夹，data_dataset_cococ和data_dataset_voc是后面转化的文件夹）

首先制作VOC数据集

我们需要制作ImageSets,JPEGImage,SegmentationClass三个文件夹下的东西，打开刚才克隆的labelme项目，将instance_segmentation下的labelme2coco.py、labelme2voc.py、labels.txt程序复制到你的文件夹下，具体程序目录为：~/labelme/examples/instance_segmentation。

完成后文件夹目录如下：

接着修改labels.txt文件，该文件中存储的我们的所有标记名称，注意这里我们需要保留前两个名称：__ignore__和_background_，在这两个名称下面加上我们自己的名称：

（我的电脑txt无法显示下划线，但实际上是有的）

接着就可以开始转化啦，直接运行命令（将相应的名称改为你们自己的名称）：

python labelme2voc.py data_annotated data_dataset_voc --labels labels.txt

（data_annotated是标注图片存放的文件夹，data_dataset_voc是转化成的voc数据集文件夹，labels.txt是标记名称的txt文件，注意命令不要输错）

正常运行命令行输出如下：

接着制作coco数据集

转换coco之前要先安装pycocotools：

pip install pycocotools

接下来的大致过程都相同，只是改变运行的程序，运行命令如下：

python labelme2coco.py data_annotated data_dataset_voc --labels labels.txt

这样coco数据集就制作完成啦！

ai标注

首先启动使用命令行启动labelme（一定要用命令行启动！），在标注时选择创建ai多边形，首次使用会自动下载相应的模型。

一定要用命令行启动的原因是，首次启动ai多边形可能会有报错，这时候只有使用命令行启动的才能在命令行窗口看到报错信息，解决完报错后就能正常启动。

可能遇到的报错

1. 部分库没有进行安装

将库安装即可

2. AttributeError: module ‘skimage‘ has no attribute ‘morphology‘

找到报错的Python文件，将import skimage注释掉，直接 from skimage import morphology，然后直接使用morphology：

3. TypeError: "remove_small_objects" () got an unexpected keyword argument 'out'

直接删除out元素，即将第95行代码改成上图那样，删除后不影响运行，具体原理我也不太懂...

以上这些报错是我遇到过的，成功解决完报错后，就可以进行ai标注啦，右键创建ai多边形，左键点击固定该部分的多边形，回车键结束当前标记，并命名。

整个ai标注过程是动态的，我就不截图了，放一张成功ai标注的命令行窗口：

这样就是成功开始ai标注啦。

最后祝大家标注顺利，论文全中！