labelme 版本：3.11.2
例項分割樣例（voc）
其它樣例（場景分割，目標檢測，分類）
各形狀標註樣例（多邊形，矩形，圓形，多段線，線段，點）
通用安裝方法（各平台都適用）：anaconda，docker。
各平台上的安裝方法：ubuntu，macos，windows。
4.1 anaconda
首先安裝 anaconda，然後執行下列命令：
##################
## for python 2 ##
##################
conda create --name=labelme python=2.7
source activate labelme
# conda install -c conda-forge pyside2
conda install pyqt
pip install labelme
# 如果想安裝最新版本，請使用下列命令安裝：
# pip install git+
##################
## for python 3 ##
##################
conda create --name=labelme python=3.6
source activate labelme
# conda install -c conda-forge pyside2
# conda install pyqt
pip install pyqt5 # pyqt5 can be installed via pip on python3
pip install labelme12
3456
78910
1112
1314
1516
1718
1920
4.2 docker
首先安裝 docker，然後執行下列命令：
wget -o labelme_on_docker
chmod u+x labelme_on_docker12
3456
74.3 ubuntu
# ubuntu 14.04 / ubuntu 16.04
# python2
# sudo apt-get install python-qt4 # pyqt4
sudo apt-get install python-pyqt5 # pyqt5
sudo pip install labelme
# python3
sudo apt-get install python3-pyqt5 # pyqt5
sudo pip3 install labelme12
3456
784.4 macos
# macos sierra
brew install pyqt # maybe pyqt5
pip install labelme # both python2/3 should work
4.5 windows
首先按照4.1的操作安裝，然後進行如下操作：
# windows 上的 pillow5 會導致 dll 載入錯誤，所以請安裝 pillow4。
# 詳情見：
conda install pillow=4.0.012
35. labelme 使用教程
labelme 能夠進行多種形式的影象資料標註。labelme 以 json 檔案儲存標註資訊。下面介紹一些 labelme 軟體的基本操作。
labelme # 開啟labelme軟體
labelme apc2016_obj3.jpg # 指定影象檔案
labelme apc2016_obj3.jpg -o apc2016_obj3.json # 儲存後關閉labelme
labelme apc2016_obj3.jpg --nodata # json檔案不包含影象資料，而包含影象的相對路徑
--labels highland_6539_self_stick_notes,mead_index_cards,kong_air_dog_squeakair_tennis_ball # 指定 label list
labelme data_annotated/ # 指定影象資料夾
labelme data_annotated/ --labels labels.txt # 使用檔案指定 label list12
3456
78910
labelme 常用的命令列引數：
--flags： comma separated list of flags 或者 file containing flags
--labels：comma separated list of labels 或者 file containing labels
--nodata：stop storing image data to json file
--nosortlabels：stop sorting labels
--output：指定輸出資料夾
關於命令列引數的更多資訊，可以使用 labelme --help 命令檢視。
5.1 分類標註
使用 labelme 進行影象分類標註的教程詳見：labelme_classification
5.2 目標檢測標註
使用 labelme 進行目標檢測標註的教程詳見：labelme_bbox_detection
5.3 場景分割標註
使用 labelme 進行場景分割標註的教程詳見：labelme_semantic_segmentation
5.4 例項分割標註
使用 labelme 進行例項分割標註的教程詳見：labelme_instance_segmentation
5.6 其它形式的標註
labelme 除了能進行上面形式的標註，還能進行下面形式的標註：
多邊形矩形
圓形多段線線段點
使用 labelme 進行其它形式的標註的教程詳見：labelme_primitives
5.7 命令列工具
1. labelme_draw_json：
使用該命令可以快速檢視json格式的標註。
2. labelme_json_to_dataset：
使用該命令可以將json檔案轉為一**像和標籤文字檔案。
3. labelme_draw_label_png：
將label文字檔案以圖例的形式繪製到png格式的標籤上，並顯示出來。
關於上面三個命令的詳細使用的方法見：命令列工具
6. labelme 常見問題
如何將 json 檔案轉換為 numpy 陣列？請查閱 examples/tutorial。
如何載入 png 標籤檔案？請查閱 examples/tutorial。
如何獲取語義分割的標註？請查閱 examples/semantic_segmentation。
如何獲取例項分割的標註？請查閱 examples/instance_segmentation。
7. testing
pip install hacking pytest pytest-qt
flake8 .
pytest -v tests12
38. developing
git clone
cd labelme
# install anaconda3 and labelme
curl -l | bash -s .
source .anaconda3/bin/activate
pip install -e .12
3456
79. 將 labelme 打包成可執行檔案
下面的**說明了如何構建獨立可執行檔案（linux，windows，macos）。當然，我們也發布了預編譯版本。
# setup conda
conda create --name labelme python==3.6.0
conda activate labelme
# build the standalone executable
pip install .
pip install pyinstaller
pyinstaller labelme.spec
dist/labelme --version12
3456
789致謝
labelme 是在 mpitid/pylabelme 的基礎上開發而成，但後者已經停止開發了。
使用Labelme標註自己的資料集
參考 開啟方式 1 在終端輸入 labelme 2 標註影象成json檔案 3 在 media xm labelme cli中輸入命令 labelme json to dataset 檔名 json 即可得到乙個資料夾，有四個檔案，png,info.yaml label.png,label viz....
機器學習筆記 labelme標註工具使用
在自己的資料集上進行語義分割最基礎的一步便是對影象進行標註，以訓練得到自己的模型，標註是乙個比較繁瑣的活，所以需要乙個好的標註工具。安裝 進入啟用的環境，我是用pycharm，已經把環境繫結到了隔離的環境，所以每次進入終端，都是這個隔離環境。直接執行命令並使用阿里雲的源 pip install la...
mapx標註之詳解
以前做gis的時候，沒怎麼用到標記，今天終於接觸到標記這方面的東西，做了個demo測試了一下 首先寫了個操作mapx的單元，其中有個函式 function tmapmodule.createtempanimationlayer var currentmap tmap layername string...