Win10系统下安装labelme及json文件批量转化方法


Posted in Python onJuly 30, 2019

一、安装环境:windows10,anaconda3,python3.6

由于框架maskrcnn需要json数据集,在没安装labelme环境和跑深度学习之前,我安装的是anaconda3,其中pyhton是3.7版本的,经网上查阅资料,经过一番查找资料,发现,原来在2019年,TensorFlow还不支持python3.7,所以,迫于无奈,我只能乖乖把python的版本退回到3.6版本,具体步骤也很简单。就是打开anaconda prompt ,然后输入conda install python=3.6,然后等待提示(y/n),输入y,等待十几分钟,就会提示done,这样的话,就表示python3.7已经退回到python3.6了。(经过尝试这种方法在我这里没有行得通,可能跟网速有关,又尝试了另一种方法,有兴趣的可以尝试一下。)索性就把labelme安装到3.6中了。

二、安装过程:

1、管理员身份打开 anaconda prompt

2、输入命令:conda create --name=labelme python=3.6

3、输入命令:activate labelme

4、输入命令:pip install pyqt5,pip install pyside2(自己刚开始没有安装pyside2,运行 \anaconda安装目录\envs\labelme\Scripts\label_json_to_dataset.exe 会出现module "pyside"缺失错误)

5、输入命令:pip install labelme(由于网络原因或者库的地址,经常运行一半出现错误,不要气馁,多执行几次)

6、输入命令:labelme 即可打开labelme。如下:

Win10系统下安装labelme及json文件批量转化方法

安装完成后,需要使用再次启动labelme。则需要重新打开anaconda prompt,输入activate labelme,进入labelme环境。再输入命令: labelme 即可

三、用labelme标注完图片后,会生成json文件

以小猫为例:点击保存会在自己的图片目录下生成json文件

Win10系统下安装labelme及json文件批量转化方法

点点

生成的json文件并不能直接用,我们需要对他进行批处理才能成为maskrcnn需要的数据集,批量转化如下:

abelme标注工具再转化.json文件有一个缺陷,一次只能转换一个.json文件,然而深度学习的项目通常需要大量的数据,那么转换.json文件就是一个比较耗时的工作;因此,对labelme做出了改进,可以实现批量转换.json文件。

在安装Anaconda中找到json_to_dataset.py文件如果未找到可以在计算机中搜索,将该文件代码修改为以下代码:

import argparse
import base64
import json
import os
import os.path as osp
import warnings
import PIL.Image
import yaml
from labelme import utils
def main():
  warnings.warn("This script is aimed to demonstrate how to convert the\n"
         "JSON file to a single image dataset, and not to handle\n"
         "multiple JSON files to generate a real-use dataset.")
  parser = argparse.ArgumentParser()
  parser.add_argument('json_file')
  parser.add_argument('-o', '--out', default=None)
  args = parser.parse_args()
  json_file = args.json_file
  alist = os.listdir(json_file)
  for i in range(0,len(alist)):
    path = os.path.join(json_file,alist[i])
    data = json.load(open(path))
    out_dir = osp.basename(path).replace('.', '_')
    out_dir = osp.join(osp.dirname(path), out_dir)
    if not osp.exists(out_dir):
      os.mkdir(out_dir)
    if data['imageData']:
      imageData = data['imageData']
    else:
      imagePath = os.path.join(os.path.dirname(path), data['imagePath'])
      with open(imagePath, 'rb') as f:
        imageData = f.read()
        imageData = base64.b64encode(imageData).decode('utf-8')
    img = utils.img_b64_to_arr(imageData)
    label_name_to_value = {'_background_': 0}
    for shape in data['shapes']:
      label_name = shape['label']
      if label_name in label_name_to_value:
        label_value = label_name_to_value[label_name]
      else:
        label_value = len(label_name_to_value)
        label_name_to_value[label_name] = label_value
    # label_values must be dense
    label_values, label_names = [], []
    for ln, lv in sorted(label_name_to_value.items(), key=lambda x: x[1]):
      label_values.append(lv)
      label_names.append(ln)
    assert label_values == list(range(len(label_values)))
    lbl = utils.shapes_to_label(img.shape, data['shapes'], label_name_to_value)
    captions = ['{}: {}'.format(lv, ln)
          for ln, lv in label_name_to_value.items()]
    lbl_viz = utils.draw_label(lbl, img, captions)
    PIL.Image.fromarray(img).save(osp.join(out_dir, 'img.png'))
    utils.lblsave(osp.join(out_dir, 'label.png'), lbl)
    PIL.Image.fromarray(lbl_viz).save(osp.join(out_dir, 'label_viz.png'))
    with open(osp.join(out_dir, 'label_names.txt'), 'w') as f:
      for lbl_name in label_names:
        f.write(lbl_name + '\n')
    warnings.warn('info.yaml is being replaced by label_names.txt')
    info = dict(label_names=label_names)
    with open(osp.join(out_dir, 'info.yaml'), 'w') as f:
      yaml.safe_dump(info, f, default_flow_style=False)
    print('Saved to: %s' % out_dir)
if __name__ == '__main__':
  main()

操作命令如下图:

Win10系统下安装labelme及json文件批量转化方法

生成效果如下:每张图片生成五个文件 ,这就是我们所需要的

Win10系统下安装labelme及json文件批量转化方法

总结

以上所述是小编给大家介绍的Win10系统下安装labelme json文件批量转化方法,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对三水点靠木网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!

Python 相关文章推荐
web.py获取上传文件名的正确方法
Aug 26 Python
Python 2.x如何设置命令执行的超时时间实例
Oct 19 Python
python利用标准库如何获取本地IP示例详解
Nov 01 Python
[原创]python爬虫(入门教程、视频教程)
Jan 08 Python
tensorflow: 查看 tensor详细数值方法
Jun 13 Python
对pandas里的loc并列条件索引的实例讲解
Nov 15 Python
python之cv2与图像的载入、显示和保存实例
Dec 05 Python
python3+selenium实现qq邮箱登陆并发送邮件功能
Jan 23 Python
树莓派用python中的OpenCV输出USB摄像头画面
Jun 22 Python
python傅里叶变换FFT绘制频谱图
Jul 19 Python
pyqt5 QScrollArea设置在自定义侧(任何位置)
Sep 25 Python
Python爬虫实战之爬取携程评论
Jun 02 Python
python利用tkinter实现屏保
Jul 30 #Python
django 微信网页授权登陆的实现
Jul 30 #Python
python tkinter库实现气泡屏保和锁屏
Jul 29 #Python
django迁移数据库错误问题解决
Jul 29 #Python
python实现桌面托盘气泡提示
Jul 29 #Python
python实现桌面气泡提示功能
Jul 29 #Python
pycharm设置鼠标悬停查看方法设置
Jul 29 #Python
You might like
十天学会php之第六天
2006/10/09 PHP
基于python发送邮件的乱码问题的解决办法
2013/04/25 PHP
thinkphp备份数据库的方法分享
2015/01/04 PHP
php实现计数器方法小结
2015/01/05 PHP
php实现数据库的增删改查
2017/02/26 PHP
详解PHP如何更好的利用PHPstorm的自动提示
2017/08/18 PHP
php表单习惯用的正则表达式
2017/10/11 PHP
PHP使用DOM对XML解析处理操作示例
2019/07/04 PHP
JavaScript 学习初步 入门教程
2010/03/25 Javascript
iframe的父子窗口之间的对象相互调用基本用法
2013/09/03 Javascript
jQuery学习笔记之jQuery构建函数的7种方法
2014/06/03 Javascript
js自定义QQ菜单效果
2017/01/10 Javascript
JS验证全角与半角及相互转化的介绍
2017/05/18 Javascript
vue组件Prop传递数据的实现示例
2017/08/17 Javascript
纯html+css+javascript实现楼层跳跃式的页面布局(实例代码)
2017/10/25 Javascript
ES6 javascript中class类的get与set用法实例分析
2017/10/30 Javascript
JS判断字符串是否为整数的方法--简单的正则判断
2018/07/23 Javascript
layer弹出的iframe层在执行完毕后关闭当前弹出层的方法
2018/08/17 Javascript
爬虫利器Puppeteer实战
2019/01/09 Javascript
解决layui动态添加的元素click等事件触发不了的问题
2019/09/20 Javascript
vue+Element-ui前端实现分页效果
2020/11/15 Javascript
[48:48]VGJ.T vs Liquid 2018国际邀请赛小组赛BO2 第二场 8.19
2018/08/21 DOTA
[06:59]DOTA2-DPC中国联赛3月7日Recap集锦
2021/03/11 DOTA
python去掉字符串中重复字符的方法
2014/02/27 Python
python实现zencart产品数据导入到magento(python导入数据)
2014/04/03 Python
Python读取ini文件、操作mysql、发送邮件实例
2015/01/01 Python
Python enumerate索引迭代代码解析
2018/01/19 Python
Python3 中把txt数据文件读入到矩阵中的方法
2018/04/27 Python
Python实现的简单排列组合算法示例
2018/07/04 Python
Python笔记之facade模式
2019/11/20 Python
利用pytorch实现对CIFAR-10数据集的分类
2020/01/14 Python
CSS3的文字阴影—text-shadow的使用方法
2012/12/25 HTML / CSS
南非最受欢迎的时尚品牌:MRP
2016/09/18 全球购物
Oasis服装官网:时尚女装在线
2020/07/09 全球购物
高一军训的心得体会
2014/09/01 职场文书
高考1977观后感
2015/06/04 职场文书