⭐ 数据集标注入门

1. 为什么需要数据集标注？

HUAT FSAC 车队采用车载摄像头（1900 × 1200 px）来实现语义分割以完成锥桶的颜色识别任务。在此过程中，需要大量带有标注的数据集对模型进行训练。故需要手动进行数据集标注。

2. 环境配置

• Python 3.X 环境部署
  下载：https://www.python.org/downloads/

  

  点击 “Download Python 3.XX.X” 即可开始下载，之后详细安装教程可见这里。

• labelme 下载及安装
  官网：https://github.com/wkentaro/labelme/release
  蓝奏云：https://nekorectifier.lanzouw.com/iMe0I0dk0kpe

  官网提供了 Linux、Windows、Mac OS 平台的安装包，蓝奏云网盘上有 Windows 平台的安装包。
  任何平台的程序都是完全相同的，在使用上并无差异。

  • GNU/Linux 安装：

    {: .warning }

    目前（2022-12-10）不推荐通过 Github Releases 安装

    在终端输入 pip install labelme
    并等待其安装完成。

    安装完成后，输入 labelme 启动程序。

    

    左为主程序页面，右为安装过程

  • Windows 安装

    在 Github Releases 上选择 “Labelme.exe” 下载打开即可使用。

3.labelme-软件使用教程

labelme 是图像注解添加软件，并支持创建多边形、矩形、圆形等多类型的精准图像注解（Annotation）。
我们所做的的语义分割标注便属于多边形注解。

1. 在软件中打开存放原图片的目录；

   按 “Open Dir” 打开目录。

   

2. 选择“标注模式”，进行实例标注；

   点击 “Create Polygons”，用鼠标🖱️圈出物体轮廓。

   

   {: .note }

   标注标准操作：
   先标注相对较远的物体，后标注相对较近的物体。
   （标注的顺序会影响最终标注效果。先标的物体在“下”，后标的在“上”。顺序不能颠倒！）

3. 标注一个物体完成后，点击第一个创建的点以闭合多边形，完成标注多边形的创建；

4. 在弹出的窗口中，输入所标注的物体的名称；

   

5. 重复以上过程直至标注完成；

   🧩查看标注示例视频

6. 点击保存或（ctrl + s）将 json 文件保存至原图片目录下；

   json 文件名一般情况下不需要修改，保持与图片文件名相同即可。

4. 标注审阅

标注过程中免不了会出现错误，可能有误标、漏标、顺序错误等情况。因而需要再次进行审阅以避免错误 削弱数据集的性能。

1. 准备环境
   执行以下命令以安装必要库。

     pip install numpy imgviz labelme

   并克隆 wkentaro/labelme 库至本地。

     git clone https://github.com/wkentaro/labelme.git

   从这里下载必须的 labels.txt 文件。

2. 准备数据集
   将标注好的数据集 json 文件与源图片文件放在同一文件夹中。（在此将其设为 a/ 文件夹 📁 ）
   并保证 json 文件与对应的图片文件有相同文件名，具体如下所示：

     a/
     |
     |--- 0001.json
     |--- 0001.png
     |--- ...

3. 转换彩色图
   使用以下命令运行 labelme/example/semantic-segmentation/ 下的 labelme2voc.py

     python labelme/example/semantic-segmentation/labelme2voc.py --input_dir "a/" --output_dir "output/"  --labels labels.txt

   转换出的图片应如图所示：

   

4. 审阅转换结果

   • 依次审阅 output/SegmentationClassVisualization/ 下的所有图片。

   • 检查他们的覆盖顺序是否正确，标准与上文的 “标注标准操作” 相同。

   • 全部检查完毕后，方可进行数据集转换。