原文参考:https://blog.csdn.net/l297969586/article/details/79140840/
labelme编译并使用:
源码:https://github.com/tfwcn/labelme
源码已改成批量转Json的文件
Logs
2018/11/8
修改成自动保存到图片目录下到json文件夹中。需预先建立文件夹。
以前用过该工具的,请先删除C:\Users\当前用户\.labelmerc 文件
打开工具一次后,修改C:\Users\当前用户\.labelmerc 文件
auto_save_path 对应保存的相对路径
编译:
# 安装编译环境
pip install pyqt5
# 直接运行labelme/main.py时需要安装labelme
pip install labelme
#开始编译,执行文件会生成到dist/labelme.exe下
conda install pyqt
pip install .
pip install pyinstaller
pyinstaller labelme.spec
打开DIST / labelme.exe,框选对象(命名方式请参考原文),并保存的Json文件到一个文件夹,最好是单独的文件夹存放。
标记完所有图片后,批量转Json文件:
# 已改成批量生成数据,用法:
\labelme\labelme\cli>python json_to_dataset.py "Json文件夹路径"
开始训练自己的数据集
源码:https://github.com/tfwcn/Mask_RCNN
训练源码:https://github.com/tfwcn/Mask_RCNN/blob/master/samples/shapes/train_shapes.py
原代码修改成支持不同训练集与测试集
修改如下路径为对应的文件夹:
dataset_root_path = "/labels/mouse/"
dataset_val_root_path = "/labels/mouse/test/"
img_floder = dataset_root_path+"rgb"
img_floder_val = dataset_val_root_path+"rgb"
开始训练:
python train_shapes.py