labelme的安装以及如何用labelme标注的json文件转换成coco和pascal voc数据集的格式进行深度学习的训练

已于 2023-04-17 10:45:07 修改
阅读量1.2k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习-目标检测 Faster-RCNN网络解析笔记 深度学习 计算机视觉与深度学习 文章标签： python 开发语言 深度学习 计算机视觉 人工智能
于 2023-04-17 10:40:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_41694024/article/details/130193536
本文介绍了如何安装labelme，使用它进行图像标注，以及如何将labelme标注的json文件转换为COCO和PASCAL VOC数据集格式，以便用于深度学习训练。提供了详细的步骤和转换脚本。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

1.labelme的安装

2.labelme标注文件

3.labelme数据集转换成pascal voc数据集

4.labelme数据集转换成coco数据集  

1.labelme的安装

        我们新建conda虚拟环境，使用命令：

        没有安装conda的话忽略conda的配置即可。

conda create -n lablelable  python=3.6

        这行代码的意思就是创建一个conda虚拟环境，环境名称为labellabel，python版本为3.6。

        这里按y就行，然后这样就是虚拟环境创建完成啦！

了解本专栏 订阅专栏 解锁全文 超级会员免费看
labelme生成的json数据集转换voc xml格式
qq_41413211的博客
09-25 2137
voc2004的格式是jpg+png，2007之后的格式是jpg+xml格式。
python工具方法 17 labelme标注的json文件转voc数据再转训练列表
a486259的博客
09-23 963
支持一次性将labelme标注的json文件转化为训练列表，使用json2trainline，传入labelme_path即可 # -*- coding: utf-8 -*- import os import numpy as np import codecs import json from glob import glob import cv2 import shutil from sklearn.model_selection import train_test_split import shu
【Pycharm】将labelme标注结果转为PascalVOC语义分割的数据集
m0_57324918的博客
05-28 1259
【Pycharm】将labelme标注结果转为PascalVOC语义分割的数据集
labelme json格式转yolo txt格式，json标注文件转txt标注文件。
最新发布
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
06-26 279
labelme json格式转yolo txt格式，json标注文件转txt标注文件。 在实例分割的训练任务中，使用的是 LabelMe 工具进行图像标注，标注文件是 json 格式，而 YOLO 训练则需要 txt 格式的标注文件。 这篇文章提供一个脚本，可以将文件夹内的 JSON 标注文件批量转换为 YOLO 格式，并将txt文件输出到指定目录当中。
labelme的json数据转成labelImg的xml数据
mjiansun的专栏
11-11 7248
所有文件在json_to_xml文件夹中，共有三个python文件，分别包括main.py，create_xml_anno.py，read_json_anno.py。下面分别介绍这三个文件。 输入：由labelme的rectangle或这polygon方式标注生成的json文件； 输出：类似于labelImg的rectangle方式标注生成的xml文件，是左上角和右下角的坐标。 read...
labelme的json标签转化为voc的xml标签
qq_62873336的博客
06-29 805
【代码】labelme的json标签转化为voc的xml标签。
Labelme标注的图像数据做成VOC格式的数据集（用于实例分割的数据集格式）
wenyunick的博客
12-29 5210
Labelme标注的图像数据做成VOC格式的数据集（用于实例分割的数据集格式）
json文件批量转成VOC格式的xml文件(labelme标注的仅有关键点，无框)
Smalldemons的博客
02-22 1452
这是一期代码共享文章，在接下来的时间里，会陆陆续续将自己在进行实验的一些程序给公开出来，由于能力有限，部分是借鉴来的，所以如果有侵权请联系博主。
基于Python实现将 labelme 标注的数据转换为 PASCAL VOC 格式和 MS COCO 格式的数据集
10-31
将 labelme 标注的数据转换为 PASCAL VOC 格式和 MS COCO 格式的数据集，便于直接利用支持这两种格式的框架进行训练 使用方法 1、将 lebelme 标注得到的 JSON 文件放在一个文件夹内。举个例子，命名为 labelme_jsons...
labelme 分割转换(voc coco) 及可视化
05-17
"Labelme 分割转换(voc coco) 及可视化"涉及了利用LabelMe进行图像标注，然后将标注数据转换为VOC和COCO两种通用格式，以便于进行深度学习模型的训练和评估。此外，转换后的数据还可以通过特定脚本进行可视化，以...
coco、voc实例分割数据集制作-labelme
07-09
COCO（Common Objects in Context）和PASCAL VOC（Visual Object Classes）是两个广泛使用的实例分割数据集，它们包含了丰富的图像和对应的标注信息，用于训练深度学习模型进行物体识别和分割任务。本文将详细介绍...
Labelme标注的数据集转为VOC2007
04-29
将Labelme标注的数据转为VOC格式，用于制作物体检测数据集。将Labelme标注的数据转为VOC格式，用于制作物体检测数据集。
Labelme转VOC格式
weixin_45912366的博客
05-25 5519
1.VOC的数据内容 VOC数据集的下载路径：The PASCAL Visual Object Classes Challenge 2012 (VOC2012) 打开链接后如下图所示，只用下载training/validation data (2GB tar file)文件即可。 VOCdevkit └── VOC2012 ├── Annotations 所有的图像标注信息(XML文件) ├── ImageSets .
labelme的json文件转换为VOC数据集的png
qq_43718758的博客
11-28 7283
labelme的json数据转换为voc格式的数据集
labelme标注的json文件数据转成coco数据集格式（可处理目标框和实例分割）
qq_44442727的博客
12-24 9361
这里主要是搬运一下能找到的 labelme标注的json文件数据转成coco数据集格式（可处理目标框和实例分割）的代码，以供需要时参考和提供相关帮助。
【分割】labelme标注的Yolo标签转Voc形式
weixin_63295029的博客
12-30 770
voc形式的标签图片：voc标签图片是将类别index（1，2，3，......)映射到颜色。现在用labelme标注的分割数据集标签是json类型，标注信息会以一个大字典的形式存储在json文件中，要将json形式标签转化成voc带有调色盘的标签图片。
json标注转为pascal_voc xml
Chen_Swan的博客
10-15 1187
数据来源为https://cg.cs.tsinghua.edu.cn/traffic-sign/ 标注格式为json，使用json.load解析后为字典格式。 pascal_voc xml格式为： <?xml version="1.0" encoding="utf-8"?> <annotation> <folder>VOC2007</fold...
使用LabelMe标注目标检测数据集并转换为VOC2017格式
xu.hyj
03-07 4344
参考：labelme 格式转 VOC2007 数据集格式 1、labelme数据格式 labelmeset：即图像文件和json文件放在同一文件夹下 1.jpg 1.json 2.jpg 2.json … 2、转换代码 # -*- coding: utf-8 -*- """ Created on Thu Sep 19 14:51:00 2019 @author: Andrea """ import os import numpy as np import codecs import json fr
labelme转换voc和coco
qq_45734610的博客
07-19 1662
将labelme标注好的标签转为标准voc和coco格式。
labelme生成的json文件如何变成txt文件
03-20
<think>好的，我现在需要帮用户解决如何将Labelme生成的JSON文件转换为TXT格式的问题。根据用户提供的引用资料，特别是引用[2]和[3]，里面提到了具体的Python代码实现方法。首先，我应该先理解Labelme的JSON结构和YOLO的TXT格式之间的差异。 Labelme的JSON文件通常包含图像尺寸、形状类型（比如多边形、矩形等）和各个点的坐标。而YOLO的TXT格式需要的是归一化的中心点坐标、宽度和高度。因此，转换的关键在于提取JSON中的坐标信息，并将其转换为YOLO要求的格式。 接下来，我需要确保用户了解转换的前提条件，比如安装必要的库，例如json、os、numpy等。然后，分步骤说明转换过程：读取JSON文件，解析图像尺寸，处理每个标注对象的坐标，进行归一化计算，最后写入TXT文件。 用户可能对归一化的计算不太清楚，所以需要解释公式，比如中心点x坐标是（x_min + x_max）/ 2 / 图像宽度。同时，要处理不同形状的标注，比如矩形和多边形，可能需要不同的坐标提取方式，比如矩形直接取x和y，而多边形则需要计算边界框。 另外，用户可能需要示例代码，所以根据引用[2]中的代码，整理出一个简洁的示例，并添加注释说明每一步的作用。同时，提醒用户注意路径问题，以及如何处理多个JSON文件的批量转换。 最后，生成相关问题，帮助用户进一步了解优化方法、验证转换正确性以及反向转换等，这样可以覆盖用户可能有的后续需求。</think>### Labelme JSON转TXT格式方法 这里演示如何将Labelme的JSON标注文件转换为YOLO格式的TXT文件，包含关键步骤和示例代码： #### 1. 文件结构解析 Labelme的JSON文件包含： ```python { "imageWidth": 640, # 图像宽度 "imageHeight": 480, # 图像高度 "shapes": [{ "label": "cat", # 物体类别 "points": [[x1,y1],[x2,y2],...] # 标注点坐标 }] } ``` #### 2. 坐标转换公式 YOLO格式需要归一化中心坐标： $$(x_{center} = \frac{x_{min}+x_{max}}{2 \times width},\ y_{center} = \frac{y_{min}+y_{max}}{2 \times height})$$ $$(width_{norm} = \frac{x_{max}-x_{min}}{width},\ height_{norm} = \frac{y_{max}-y_{min}}{height})$$ #### 3. 完整转换代码 ```python import json import os import numpy as np def convert_labelme_json_to_txt(json_path, output_dir): # 读取JSON文件 with open(json_path, 'r') as f: data = json.load(f) # 获取图像尺寸 width = data['imageWidth'] height = data['imageHeight'] # 创建输出内容 txt_content = [] for shape in data['shapes']: # 获取边界框坐标 points = np.array(shape['points']) x_min, y_min = np.min(points, axis=0) x_max, y_max = np.max(points, axis=0) # 计算归一化坐标 x_center = (x_min + x_max) / 2 / width y_center = (y_min + y_max) / 2 / height box_width = (x_max - x_min) / width box_height = (y_max - y_min) / height # 添加到输出内容（YOLO格式） txt_content.append(f"0 {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}") # 写入TXT文件 base_name = os.path.basename(json_path).replace('.json', '.txt') output_path = os.path.join(output_dir, base_name) with open(output_path, 'w') as f: f.write('\n'.join(txt_content)) # 示例用法 convert_labelme_json_to_txt('jsons/000000000009.json', 'labels') ``` #### 4. 关键注意点 - 坐标归一化需保留至少6位小数[^3] - 每个物体对应一行数据，格式：`类别索引 x_center y_center width height` - 多边形标注会自动转为边界框[^2]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

APS2023

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值