labelme安装使用

最新推荐文章于 2025-04-19 15:40:19 发布
最新推荐文章于 2025-04-19 15:40:19 发布
阅读量142 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 工具 文章标签： labelme anaconda
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/studyeboy/article/details/130061907
本文介绍了在Windows系统下如何安装Anaconda及配置镜像源，然后通过conda和pip安装Labelme所需依赖。在Linux系统中，只需通过pip安装Labelme。安装完成后，可运行Labelme进行图像标注。

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

安装

Windows下安装

  • anaconda官网 下载Windows版的anconda，并安装。
    在这里插入图片描述

  • 在开始菜单下找到anaconda prompt(anaconda3) ，然后在其中运行。
    在这里插入图片描述

  • 出现问题：
    在这里插入图片描述

  • Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。
    在这里插入图片描述

  • C:\Users\用户名\下出现.condarc文件，向文件中添加如下内容。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  • 重新安装

在这里插入图片描述

  • 安装依赖库
conda install pyqt
conda install pillow
pip install labelme

在这里插入图片描述

  • 启动
labelme

Linux下安装

pip install labelme

在这里插入图片描述

参考资料
清华大学开源软件镜像站–Anaconda 镜像使用帮助
windows中labelme安装教程
使用labelme打标签，详细教程

Labelme 安装以及使用
qq_41931453的博客
07-13 8万+
本文主要介绍了图像标注工具Labelme的安装和使用教程
Labelme的安装及使用教程（手把手教会，适合小白）
【优快云】
12-23 1万+
文件描述该图像中有两个被标注的对象，一个汽车和一个人，框选在一个矩形区域内，并且提供了这些矩形的左上角和右下角坐标。点击打开目录选中自己的数据集后，点击编辑进行标注。对于关键点任务，选择创建控制点即可）
labelme的安装及使用
热门推荐
Wu_GuiMing的博客
05-11 7万+
步骤3：点击鼠标左键，开始画框，把目标图片框住之后，再点击鼠标左键，结束画框，此时会弹出一个对话框，可以在输入框中输入你标注的目标的名字，如果是猫的话，就输入cat，如果是狗的话，就输入dog,然后点击OK按钮即可。步骤4：点击Save按钮，进行json标注文件的保存，首先在JPEGImage同级目录下创建一个json文件夹，然后把标注生成的json文件保存到该json文件中，点击保存按钮，即可进行保存。步骤1：点击OpenDir按钮，然后选择我们需要标注的图片的路径，然后再点击右下角的选择文件夹按钮。
Labelme的安装与使用教程
Limiiiing的博客
08-15 2万+
6️⃣创建多边形：这一个功能是最重要的，选择了一张图像后便可以进行标注，选择这个功能后即可这对界面中显示的图像进行分割标注，注意标注点要尽可能贴合目标，也可以使用快捷键。1️⃣打开：只打开一张图像进行标注，建议通过第二个功能打开包含图像的文件夹，进行标注。2️⃣打开目录：点击后会弹出一个窗口，选择一个文件夹，文件夹中包含要进行标注的图像。3️⃣上一幅：在打开目录的情况下，点击后可切换到上一张图片，也可以使用快捷键。4️⃣下一幅：在打开目录的情况下，点击后可切换到下一张图片，也可以使用快捷键。
Labelme安装和使用
we chat：玩转测试开发
04-27 2207
简介：labelme是图形图像注释工具，它是用Python编写的，并将Qt用于其图形界面，是麻省理工（MIT）的计算机科学和人工智能实验室（CSAIL）研发的图像标注工具，人们可以使用该工具创建定制化标注任务或执行图像标注，项目源代码已经开源。 功能： 1、对图像进行多边形，矩形，圆形，多段线，线段，点形式的标注（可用于目标检-测，图像分割等任务）。 2、对图像进行进行 flag 形式的标注（可用于图像分类 和 清理 任务）。 3、视频标注 - 生成 VOC 格式的数据集（for semantic / in
新手记录--从零开始[labelme安装及使用]
最新发布
weixin_63010525的博客
04-19 2145
Windows系统： win+R,打开cmd,在命令行中输入 'python -V'或'python --version'过了几天后我再尝试打开labelme ，在anaconda powershell prompt中输入了"首先，点击电脑左下角的'开始'，打开Anaconda PowerShell Prompt。现在我将我需要标注的图片存到了images文档之下，格式为jpg。我将报错信息喂给AI，AI回答 “此错误表明你尝试激活的。环境，在 PowerShell 里执行以下命令"
labelme 安装使用及常见问题解决
记录学习点滴
11-20 1万+
labelme批量使用、安装、问题解决 UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xff in position 0 module 'labelme.utils' has no attribute 'draw_label' Polygon must have points more than 2 ModuleNotFoundError: No module named 'skimage' Inconsistent use of tabs and s
Labelme安装以及使用教程
liyuanjunfrank的博客
07-28 6033
图片标记工具Labelme
labelme安装使用报错如下
xingtianyao的博客
03-16 833
这个问题是由于和opencv-python环境冲突导致的，直接卸载opencv即可：
labelme安装使用与批处理
biu_biu_biu___的博客
01-22 1574
想那些
labelme安装与使用教程
05-25
Labelme 安装与使用教程 Labelme 是一个功能强大且广泛应用于图像分割和标注的工具，下面是 Labelme 的安装和使用教程。 标题解读 "Labelme 安装与使用教程" 这个标题明确地表明了本文的主要内容，就是指导读者...
RuntimeError: GET was unable to find an engine to execute this computation
studyeboy的专栏
12-27 9279
CUDA版本是11.1，虚拟环境中安装的torch是2.0.0，首先调用torch出现问题。在该虚拟环境中重新安装torch，还是没生成nvidia这个文件。从其他的文件中将文件拷贝到虚拟环境的对应包下。检测torch和cuda是否能用。解决上述问题后又出现问题。检查cudnn是否可用。
AssertionError: CUDA_HOME does not exist, unable to compile CUDA op(s)
studyeboy的专栏
08-01 7809
安装完之后检测，重新安装，成功安装。
FSDP(Fully Sharded Data Parallel)
studyeboy的专栏
10-17 5519
完全分片数据并行 (FSDP) ，它将AI 模型的参数分片到数据并行工作器上，并且可以选择将部分训练计算卸载到 CPU。顾名思义，FSDP 是一种。尽管参数被分片到不同的GPU，但每个微批次数据的计算仍然是每个 GPU Worker 本地的。这种概念上的简单性使得 FSDP 更容易理解，并且更适用于广泛的使用场景（与层内并行和管道并行相比）。与优化器状态+梯度分片数据并行方法相比，FSDP 参数分片更均匀，并且能够通过训练期间的通信和计算重叠获得更好的性能。
fuser命令
studyeboy的专栏
11-10 3403
fuser可以显示出当前哪个程序在使用磁盘上的某个文件、挂载点、甚至网络端口，并给出程序进行的详细信息。
DeepLab2：用于深度标记的TensorFlow库(2021)
studyeboy的专栏
06-24 3158
DeepLab2: A TensorFLow Library for Deep Labeling DeepLab2 是一个用于深度标注的 TensorFlow 库，旨在为密集像素标注任务提供统一的、最先进的 TensorFlow 代码库，包括但不限于语义分割、实例分割、全景分割、深度估计，甚至 视频全景分割。 深度标记是指通过深度神经网络为图像中的每个像素分配预测值来解决计算机视觉问题。只要感兴趣的问题可以用这种方式表述，DeepLab2 就应该达到目的。此外，此代码库包括我们最近的和最先进的深度标签研究模
Pycharm运行Pytorch分布式代码的设置
studyeboy的专栏
03-29 2125
Pytorch分布式代码的训练一般在命令行下启动，或者shell脚本启动。 python3 -m torch.distributed.launch --nproc_per_node=8 --master_port=7129 train_PBAFN_stage1.py --name PBAFN_stage1 \ --resize_or_crop None --verbose --tf_log --batchSize 4 --num_gpus 8 --label_nc 14 --launcher pytor
多版本CUDA安装切换
studyeboy的专栏
09-12 1490
系统中默认的安装CUDA为12.0，现在需要在个人用户下安装CUDA11.7。
labelme安装使用教程
03-24
### Labelme 安装与使用指南 #### 一、Labelme 的简介 Labelme 是一款用于图像标注的开源工具，支持多种形状的标注方式，广泛应用于计算机视觉领域中的数据集准备阶段。它能够帮助用户快速创建高质量的数据集。 --- #### 二、Windows 10 下 Labelme 的安装方法 ##### 方法一：通过 Conda 进行安装 可以利用 `conda` 来安装 Labelme 工具包。运行以下命令完成安装： ```bash conda install -c conda-forge labelme ``` 需要注意的是，在某些情况下，即使成功安装了 Labelme，执行 `labelme` 命令时可能会遇到无法打开的情况[^1]。此时建议尝试其他安装方法或者排查环境变量设置是否正确。 ##### 方法二：通过 Pip 进行安装 另一种更通用的方式是借助 Python 的包管理器 `pip` 来安装 Labelme： ```bash pip install labelme ``` 完成后可以通过如下命令验证安装是否正常工作： ```bash labelme --version ``` 如果显示版本号，则说明安装无误。 --- #### 三、Labelme 的基本使用流程 1. **启动软件** 执行以下命令来启动 Labelme 图形界面程序： ```bash labelme ``` 2. **加载图片文件** 在图形界面上点击菜单栏中的 “Open” 或者快捷键 Ctrl+O ，选择目标图片所在的目录路径即可载入待处理的图像资源。 3. **绘制标注区域** 使用鼠标左键拖拽画布上的对象框选区；右击可切换不同的几何模式（矩形/多边形等），并调整节点位置直至满意为止。 4. **保存标注结果** 当前编辑好的标签信息会自动存储为 JSON 文件形式，默认存放在原图同级目录下。这些 json 数据可用于后续训练模型或其他用途。 --- #### 四、转换标注格式至 COCO 格式 为了方便与其他框架集成，通常需要将 Labelme 输出的标准 Json 转化成主流深度学习库接受的形式之一——COCO Dataset Format 。这里推荐采用专门为此设计的一个第三方扩展插件 —— `labelme2coco` 实现自动化迁移过程： 先按照官方文档指引准备好开发环境之后再继续操作下面几步: 1. **安装依赖项** 利用 pip 将最新版组件下载下来: ```bash pip install -U labelme2coco ``` 2. **执行脚本转化** 提供源目录以及目的地址作为参数传给 CLI 接口调用函数实现批量修改功能: ```bash labelme2coco train_images/ output_coco.json ``` 这样就完成了整个从原始素材采集到最后结构化的全过程描述！ --- ### 总结 以上就是关于如何在 Windows 平台上部署和运用 Labelme 开展日常工作的具体指导方案[^2]。希望对你有所帮助!
评论 1
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
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