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).
1 安装方法
1.1 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 labelme1.2 Windows
========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：
conda create --name=labelme python=2.7（这一步python=*选择自己的Python版本）
activate labelme
conda install pyqt
pip install labelme下次启动的时候先启动labelme的conda环境，即按照以下步骤启动
activate labelme
labelme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
2 使用方法
2.1 启动
在终端执行以下命令：
labelme打开如下页面
2.2 标注
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
3 文件转换
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
git clone https://github.com/wkentaro/labelme.git
cd ./labelme/examples/semantic_segmentation/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
python labelme2voc.py data_annotated/ data_dataset_voc --labels labels.txt --noviz生成 data_dataset_voc 文件夹，保存了标注图片
.
├── data_annotated
│ ├── 2011_000003.jpg
│ ├── 2011_000003.json
│ ├── 2011_000006.jpg
│ ├── 2011_000006.json
│ ├── 2011_000025.jpg
│ └── 2011_000025.json
├── data_dataset_voc
│ ├── class_names.txt
│ ├── JPEGImages
│ │ ├── 2011_000003.jpg
│ │ ├── 2011_000006.jpg
│ │ └── 2011_000025.jpg
│ ├── SegmentationClass
│ │ ├── 2011_000003.npy
│ │ ├── 2011_000006.npy
│ │ └── 2011_000025.npy
│ ├── SegmentationClassPNG
│ │ ├── 2011_000003.png
│ │ ├── 2011_000006.png
│ │ └── 2011_000025.png
│ └── SegmentationClassVisualization
│ ├── 2011_000003.jpg
│ ├── 2011_000006.jpg
│ └── 2011_000025.jpg
├── labelme2voc.py
├── labels.txt
└── README.md
