<br />

<br /> <div align="center"> <a href="https://github.com/veraposeidon/labelme2Datasets"> <img src="images/logo.png" alt="Logo" width="80" height="80"> </a> <h3 align="center">labelme2Datasets</h3> <p align="center"> 用于将 LabelMe 标注的数据转换为 VOC 格式和 COCO 格式的数据集。 <br /> <a href="https://github.com/veraposeidon/labelme2Datasets/issues">Report Bug</a> · <a href="https://github.com/veraposeidon/labelme2Datasets/issues">Request Feature</a> </p> </div>

English README Available

<details> <summary>Table of Contents</summary> <ol> <li> <a href="#about-the-project">About The Project</a> <ul> <li><a href="#built-with">Built With</a></li> </ul> </li> <li> <a href="#getting-started">Getting Started</a> <ul> <li><a href="#prerequisites">Prerequisites</a></li> <li><a href="#installation">Installation</a></li> </ul> </li> <li><a href="#usage">Usage</a></li> <li><a href="#roadmap">Roadmap</a></li> <li><a href="#contributing">Contributing</a></li> <li><a href="#license">License</a></li> <li><a href="#contact">Contact</a></li> <li><a href="#acknowledgments">Acknowledgments</a></li> </ol> </details>

About The Project

仓库中的脚本用于将 labelme 标注的数据转换为 PASCAL VOC 格式和 MS COCO 格式的数据集，便于直接利用支持这两种格式的框架进行训练。

脚本都使用 Python 写的。

大部分的脚步都是参考的 labelme 项目中的 examples 内容。然后添加一些根据自己的数据集自定义的功能，比如标签转换、自定义图像名称等。

注意：这些脚本其实并不复杂，有 Python 基础的同学可以过一遍转换的流程，确保在你的数据集上是可以正常运行的。有一些地方我标注了 MARK，表示在这些地方需要留意，可以根据自己的需要进行修改。

拓展：这些脚本当时只是用来转换我自己的数据集。如果你需要转换其他领域的数据集，比如实例分割、语义分割或者视频标注等等。建议去 lebelme 的 examples 部分看看，作者提供了一些示例代码，可以参考。

Built With

Getting Started

Prerequisites

将 lebelme 标注得到的 JSON 文件放在一个文件夹内。举个例子，命名为 labelme_jsons_dir。
准备好一份 text 文本，里面包含数据集的分类标签。举个例子，命名为 label_names.txt。可以参考下项目里的 test/label_names.txt。
如果有转换标签的需求（比如中文标签转为英文），准备一个文本，包含转换的规则，举个例子，命名为label_dict.txt。可以参考下项目里的 test/label_dict.txt 。

Installation

develop mode 安装

建议使用虚拟环境安装 Python Package。

conda create --name=labelme python=3.9
conda activate labelme
pip install -r requirements.txt

克隆仓库。

git clone git@github.com:veraposeidon/labelme2Datasets.git

本地安装

 cd labelme2Datasets
 # （推荐）可编辑模式安装，即可以修改代码
 pip install -e .
 # 第二种安装方式，可以直接运行脚本，但是不能修改代码
 #python setup.py install

直接使用 PyPI

同时发布了一个 PyPI package，labelme2datasets。

可以直接使用 pip3 install labelme2datasets 进行安装。

如果项目中的流程不适用于你的数据集，建议通过上述 develop mode 安装和修改代码。

Usage

转换单个 JSON 文件。 (labelme_json2dataset.py)

labelme_json2dataset --json_file=data/sample.json \
  --output_dir=output/test_single_output

转换 JSON 文件夹labelme_jsons_dir 到 VOC 格式的数据集。 (labelme_bbox_json2voc.py)

不需要标签转换

labelme_bbox_json2voc --json_dir=data/sample_jsons \
  --output_dir=output/test_voc_output --labels data/label_names.txt

需要标签转换

labelme_bbox_json2voc --json_dir=data/sample_jsons \
  --output_dir=output/test_voc_output \
  --labels data/label_names.txt \
  --label_dict data/label_dict.txt

分割 VOC 数据的训练集和测试集。 (split_voc_datasets.py)
```
  split_voc_datasets --voc_dir output/test_voc_output --test_ratio 0.3 --random_seed 42
```
train.txt 和 test.txt 会出现在 voc_dir/ImageSets/Main/ 文件夹下。

将 VOC 数据集转换为 COCO 数据集 (voc2coco.py)

  voc2coco --voc_dir output/test_voc_output --coco_dir output/test_coco_output

Roadmap

[x] 将所有的脚本都通过 Pylint
[x] 中英文 README
[x] 调整项目结构
[x] 发布 Pypi 包

See the open issues for a full list of proposed features (and known issues).

Contributing

如果你有什么建议可以让这个项目变得更好，可以 Fork 项目并且提交 Pull Request。也可以简单地在 issues 中开一个 issue。

Fork the Project
Create your Feature Branch (git checkout -b feature/AmazingFeature)
Commit your Changes (git commit -m 'Add some AmazingFeature')
Push to the Branch (git push origin feature/AmazingFeature)
Open a Pull Request

License

Distributed under the MIT License. See LICENSE for more information.

Contact

veraposeidon - veraposeidon@gmail.com

Project Link: https://github.com/veraposeidon/labelme2Datasets

Acknowledgments

Labelme2Datasets

Install / Use

README