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
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
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()