|
一、使用
win+r——输入cmd
激活已有的环境
conda activate torch1.2.0
下载lebelme
pip install labelme==3.16.7
再输入labelme打开软件就可
可以设置自动保存，View——auto save mode打上勾
二、注意
1.自己类的定义名称，在txt中是0，1，2表示，在xml中用写的比如dog等
2.原始图像需要是jpg24位深格式（具体参考本人另一篇这个格式调整问题）
labelme制作自己数据集以及图片格式问题_labelme数据格式_彩色面团儿的博客-CSDN博客
3.注意要求是voc的xml格式，还是txt格式，默认xml格式，如果标记完了发现要txt，后面会分享代码一键修改
三、xml转txt
xml内容
对应转成txt样式
#需要修改类别名和XML路径和输出的txt文件路径
import xml.etree.ElementTree as ET
import os
# 类别
CLASSES=["dog", "cat", "leaf"]
# xml文件路径
xml_input="D:/2_label/label/"
def convert(size,box):
# 将bbox的左上角点，右下角点坐标的格式，转换为bbox中心点+bbox的W,H的格式，并进行归一化
dw=1./size[0]
dh=1./size[1]
x=(box[0]+box[1])/2.0
y=(box[2]+box[3])/2.0
w=box[1]-box[0]
h=box[3]-box[2]
x=x*dw
w=w*dw
y=y*dh
h=h*dh
return (x,y,w,h)
def convert_annotation(image_id):
# 把图像image_id的xml文件转换为目标检测的label文件(txt)
# 其中包含物体的类别cls,bbox的中心点坐标,以及bbox的W,H
# 并将四个物理量归一化
in_file=open(xml_input+image_id,'r',encoding='utf-8')
image_id=image_id.split(".")[0]
print(image_id)
out_file=open("D:/2_label/label_txt/%s.txt"%(image_id),"w")
#print(in_file)
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find("size")
w = int(size.find("width").text)
h = int(size.find("height").text)
for obj in root.iter("object"):
#difficult = obj.find("difficult").text
difficult = 0;
#print(difficult)
obj_cls=obj.find("name").text
if obj_cls not in CLASSES or int(difficult)==1:
continue
cls_id=CLASSES.index(obj_cls)
xmlbox=obj.find("bndbox")
points=(float(xmlbox.find("xmin").text),
float(xmlbox.find("xmax").text),
float(xmlbox.find("ymin").text),
float(xmlbox.find("ymax").text))
bb=convert((w,h),points)
out_file.write(str(cls_id)+" "+" ".join([str(a) for a in bb])+"\n")
def make_label_txt():
# labels文件夹下创建image_id.txt
# 对应每个image_id.xml提取出的bbox信息
filenames = os.listdir(xml_input)
#print(filenames)
for file in filenames:
# print(file)
convert_annotation(file)
if __name__=="__main__":
# 开始提取和转换
make_label_txt()
|