P2.标注自己的语义分割数据集

2.1使用终端安装 Labelme

1.使用Anaconda终端安装labelme

安装 Anaconda和在Anaconda中安装好Python 后，可以使用 Python 包管理器安装 Labelme pip3

打开终端并运行以下命令：
pip3 install --upgrade labelme

点击查看代码

#报错如下：
(base) C:\Users\ASUS>pip3 install --upgrade labelme Collecting labelme  Downloading labelme-5.6.1-py3-none-any.whl (1.4 MB) ERROR: Package 'labelme' requires a different Python: 3.8.3 not in '>=3.9' 

安装完成后，运行命令：`labelme`，即可看到图形用户界面。

2.报错原因

从错误信息来看，而我当前使用的 Python 版本是 3.8.3，而最新版本的 labelme（5.6.1）要求 Python 版本至少为 3.9，因此安装失败

3.解决方案

（1）创建 Python 3.9 的虚拟环境

点击查看代码

#此处labelme为我的虚拟环境名称
conda create -n labelme python=3.9

按提示输入y确认安装。

（2）激活新环境

点击查看代码

#此处labelme为我的虚拟环境名称
conda activate labelme

（3）安装labelme

点击查看代码

#此处labelme为软件
pip install --upgrade labelme

（4）若安装 labelme 时提示缺少依赖（如 PyQt5），可通过conda install pyqt补充安装

按提示输入y确认安装。

4.安装完成后，运行命令：labelme，即可看到图形用户界面

2.2打开labelme

1.标注前

（1）File—开启Save Automatically(自动保存)

（2）File—关闭Save With Image Data(同时保存图像数据)，不把图像本身保存至标签文件中

（3）应提前把所有图像放到同一个文件夹中，再点击“打开目录”，用labelme打开这个文件夹标注

2.标注中：编辑-创建AI多边形

（1）通过点选想要标注的物体，让AI自动标注，双击，取一个“标签”名，然后Ctrl+S，保存标注的label格式的json文件

（2）AI标注结果：

（3）保存的json文件用记事本打开：

（4）总结版
①应使标注文件保存至图像相同目录下，标注过程中，不要切换图像和标注文件的目录

②多段线（polygon）应尽可能精细，紧密贴合物体的真实边缘轮廓。

③如果使用AI-Polygon辅助标注，每张图片需先等待SAM分割一切大模型处理几秒钟，才能开始标注。

④如果是实例分割标注：标目标检测框时，画物体的外接矩形框。框的两个点，必须分别是左上角和右下角，顺序不能错。

⑤如果是目标检测+关键点检测标注：多段线（polygon）的第一个点必须且只能落入一个框中。见视频教程：https://www.bilibili.com/video/BV19g4y1777q

3.标注后确认

（1）要求：
Labelme标注的json文件最后imagePath图像路径，只能是图像名字本身，不能有其它的路径和符号（例如../、\之类的）

（2）但是我的imagePath有问题：

"imagePath": "..\images\c38e1f595c46d502c75bda7ec9bf6078.jpg",

（3）原因分析：

根据【“标注中：（1）应使标注文件保存至图像相同目录下，标注过程中，不要切换图像和标注文件的目录”】，我不满足；

我的标注文件和图像不在同一目录下：分别在images和images_jsons_Deletable

（4）重新单独设置测试数据集：

并打开labelme重新标注：

（5）重新标注如下：

（6）ImagePath正确：

2.3标注流程总结

1.up主总结

2.按照以上步骤在labelme里面进行标注图像

3.打开github网站的Label2Everything网址

https://github.com/TommyZihao/Label2Everything

3.常见计算机视觉标注格式相互转换之labelme转mask

（1）修改jupyter notebook默认路径

根据博客园的【P4. PyCharm与Jupyter的使用和对比(三种代码编辑方式：Python文件、Python控制台和Jupyter) 】的【4.5修改Anaconda中Jupyter Notebook默认工作路径（内容引自知乎）】部分，将默认路径从D:\DeepLearning\Learn_torch修改成了D:\DeepLearning

（2）Jupyter中kernel的安装和修改

①安装如下代码：

python -m ipykernel install --user --name pytorch_env --display-name "Label2Everything"

②修改kernel，即可使用Label2Everything进行运行jupyter

（3）依次运行【A】【B】【C】的代码

eg运行【B】的代码时，第一块报错：

点击查看代码

!rm -rf Watermelon87_Semantic_Seg_Labelme.zip Watermelon87_Semantic_Seg_Labelme # 删除原有压缩包和文件夹
!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20230130-mmseg/dataset/watermelon/Watermelon87_Semantic_Seg_Labelme.zip # 下载压缩包
!unzip Watermelon87_Semantic_Seg_Labelme.zip >> /dev/null # 解压压缩包
!rm -rf Watermelon87_Semantic_Seg_Labelme.zip # 删除压缩包

在jupyter中运行以上代码后，报错如下：

点击查看代码

'rm' 不是内部或外部命令，也不是可运行的程序或批处理文件。
'wget' 不是内部或外部命令，也不是可运行的程序或批处理文件。
系统找不到指定的路径。
'rm' 不是内部或外部命令，也不是可运行的程序或批处理文件

怎么解决？

【deepseek】你遇到的错误是因为这些命令（rm、wget、unzip）是Linux/macOS 系统的终端命令，而你可能在Windows 系统的 Jupyter Notebook中运行，Windows 不支持这些命令，因此会报错。
解决方法：在 Windows 系统中替换为对应的命令

以下是 Windows 系统中实现相同功能的代码（使用 Python 的os和zipfile库，跨平台兼容）：

点击查看代码

import os
import zipfile
import requests

# 定义文件和文件夹名称
zip_filename = "Watermelon87_Semantic_Seg_Labelme.zip"
folder_name = "Watermelon87_Semantic_Seg_Labelme"

# 1. 删除原有压缩包和文件夹（如果存在）
if os.path.exists(zip_filename):
    os.remove(zip_filename)
if os.path.exists(folder_name):
    # 递归删除文件夹及内容
    import shutil
    shutil.rmtree(folder_name, ignore_errors=True)

# 2. 下载压缩包（替代wget）
url = "https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20230130-mmseg/dataset/watermelon/Watermelon87_Semantic_Seg_Labelme.zip"
print("开始下载压缩包...")
response = requests.get(url, stream=True)
with open(zip_filename, "wb") as f:
    for chunk in response.iter_content(chunk_size=1024):
        if chunk:
            f.write(chunk)
print("下载完成")

# 3. 解压压缩包（替代unzip）
print("开始解压...")
with zipfile.ZipFile(zip_filename, "r") as zip_ref:
    zip_ref.extractall()  # 解压到当前目录
print("解压完成")

# 4. 删除压缩包
if os.path.exists(zip_filename):
    os.remove(zip_filename)
    print("已删除压缩包")

改成以上代码，可以实现，or直接下载作者的mask文件（但是后面自己处理遥感影像的时候，这种格式转换的代码肯定需要自己跑一遍，现在想接着往下听，就先学到这啦）