码迷,mamicode.com
首页 > Windows程序 > 详细

Win10系统下安装labelme,json文件批量转化

时间:2019-07-30 00:48:02      阅读:357      评论:0      收藏:0      [点我收藏+]

标签:assert   items   strong   windows   als   dem   这就是我   parser   ntp   

 

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:

   技术图片

 

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

技术图片点点

 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:

技术图片

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

技术图片

Win10系统下安装labelme,json文件批量转化

标签:assert   items   strong   windows   als   dem   这就是我   parser   ntp   

原文地址:https://www.cnblogs.com/apan008/p/11267203.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!