参考：图像语义分割标注工具labelme制作自己的数据集用于mask-rcnn训练_ZealCV的博客-CSDN博客_语义分割标注工具

在做目标检测任务时，需要用到labelImg进行画框标注，在之前的文章中已经介绍过该工具的使用方法。然而如果是做语义分割的任务时，就不能只是标注框里，需要用另外一种工具labelme进行标注，本文对该工具的安装使用方法进行介绍。

官方教程：GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).

========20210525更新==========

windows 上直接下载可执行文件即可，不需要再执行下边的安装步骤

============以下内容可忽略============

首先确保电脑上安装好python和pip，具体安装方法参考这个链接的第1、第2步即可

下载安装anaconda，选择适合自己python版本以及对应系统的，一路默认安装就可以。

安装好后在程序里选择prompt，相当于windows下的cmd，只不过运行目录直接在anaconda下。

然后在prompt里依次输入如下指令：

下次启动的时候先启动labelme的conda环境，即按照以下步骤启动

启动后找到目标文件夹，在使用过程中发现，如果存在中文路径或中文名字的时候，会报编码相关的错，暂时还没有找到解决方法，因此文件中不要出现中文

在终端执行以下命令：

打开如下页面

点击open dir，选择标注文件所在的文件夹，然后开始标注。注意标注的时候，假如你要标注的对象为人和狗，在画掩码过程中，一幅图像中如果有多个person、dog，命名规则为person1、person2…… dog1、dog2……。因为labelme生成的标签为一个label.png文件，这个文件只有一通道，在你标注时同一标签mask会被给予一个标签位，而mask要求不同的实例要放在不同的层中。最终训练索要得到的输入为一个w*h*n的ndarray，其中n为该图片中实例的个数。（如果是做语义分割，则没必要如此区分）

标注完成后，会生成一个json文件

标注完成后，我们得到原图和对应的 json 文件，需要转化成 colormap 标注图，在 labelme 项目中，已经提供了各种转化脚本，我们直接使用即可

然后把图片和 json 文件全部拷贝到 data_annotated 文件夹下，然后运行以下脚本

生成 data_dataset_voc 文件夹，保存了标注图片