一、Labelme制作数据集

• 打开labelme，标注数据，生成文件目录如下：
  • data
    • a.jpg
    • a.json
    • b.jpg
    • b.json
    • …

json_11">二、将labelme格式的数据转换为coco格式(转换后的coco格式还是json文件)

• 代码下载：instance_segmentation

• 修改：

  • 找到78行

    class_name_to_id = {}
    for i, line in enumerate(open(args.labels).readlines()):
        # class_id = i-1  # starts with -1
        class_id = i ## 没有背景，所以索引地址从0开始
        class_name = line.strip()
        if class_id == -1:
            assert class_name == "__ignore__"
            continue
    

  • 创建labels.txt(与data文件夹在同一个文件目录中)

    • data
      • a.jpg
      • a.json
      • b.jpg
      • b.json
      • …
    • labels.txt

    labels.txt内容：

    ```dotnetcli
    __ignore__
    class 0
    class 1
    ....
    
    ```
    

• 开始转换json格式

  python labelme2coco.py ..path/data ..path/data_dataset_coco --labels labels.txt
  

YOLO_51">三、将coco格式转换为YOLO格式

• 文件下载：COCO2YOLO

• 修改

  • 修改1：找到 306 行

    ## with open((fn / f).with_suffix('.txt'), 'a') as file:
    with open((fn / f[11:]).with_suffix('.txt'), 'a') as file:
    

  • 修改2：找到主函数：修改json路径为你的文件路径

    if source == 'COCO':
        convert_coco_json('..path/data_dataset_coco',  # directory with *.json
                          use_segments=True,
                          cls91to80=True)
    

• 开始转换json格式

  python">python general_json2yolo.py
  

• 生成的yolo标注文件在：./new_dir/labels/annotations/