将Labelme标注的数据做成COCO格式的数据集（实例分割的数据集）

本文介绍了如何将使用Labelme标注的多边形框数据转换为COCO格式的数据集，适用于实例分割任务。通过运行特定的Python脚本如labelme2coco.py和labelme2cocoGuan.py，将标注的JSON文件和图像整合到COCO标准的结构中，包括annotations和images文件夹。此外，文章还提到了安装pycocotools的注意事项以及转换过程中可能出现的问题和解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这里说明一下：

Labelme标注数据时候是用的多边形框，关于标注，可以看前面的博客文章

下面制作的COCO数据集是用于实例分割的数据集。

COCO格式数据集的制作

1、labelme标注的数据转coco数据集

Anaconda Prompt里 F:\rockdata 下的目录运行指令：

这里需要注意是在activate labelme后，

python labelme2coco.py NoObeject

NoObeject是放json文件和图像的文件夹名字。

下载：labelme2coco.py 代码，运行，无需修改。

运行代码会生成一个文件，trainval.json

代码参考：

github.com/Tony607/labelme2coco

视频参考：

labelme转coco与多个coco文件的合并_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1g44y147C9

2、labelme转coco数据集

源代码运行后，train和val文件夹下为空，原因是：写入图像的路径可能不对，修改源代码后正常：

代码如下：

import os
import json
import numpy as np
import glob
import shutil
import cv2
from sklearn.model_selection import train_test_split

np.random.seed(41)
#rock1
#rock2
#rock3
#rock4
#rock5
#rock6
#rock7
#rock8
#rock9
#rock10
#rock11
#sand_wave1
#sand_wave2
#sand_wave3
#sand_wave4
#sand_wave5
#sand_wave6
#sand_wave7
#sand_wave8
#sand_wave9
#sand_wave10
#sand_wave11

# 0为背景
classname_to_id = {
    "1": 1,
    "2": 2,
 }
#注意这里：yxf
#需要从1开始把对应的Label名字写入：这里根据自己的Lable名字修改

class Lableme2CoCo:

    def __init__(self):
        self.images = []
        self.annotations = []
        self.categories = []
        self.img_id = 0
        self.ann_id = 0

    def save_coco_json(self, instance, save_path):
        json.dump(instance, open(save_path, 'w', encoding='utf-8'), ensure_ascii=False, indent=1)  #