DetAnnoTools.md 8.7 KB

通用目标检测数据标注指南

本文档将介绍如何使用LabelmePaddleLabel标注工具完成目标检测相关单模型的数据标注。 点击上述链接,参考⾸⻚⽂档即可安装数据标注⼯具并查看详细使⽤流程,以下提供简洁版本说明:

1. 标注数据示例

该数据集是人工采集的数据集,数据种类涵盖了安全帽和人的头部两种类别,包含目标不同角度的拍摄照片。 图片示例:


2. Labelme标注工具使用

2.1. Labelme标注工具介绍

Labelme 是一个 python 语言编写,带有图形界面的图像标注软件。可用于图像分类,目标检测,图像分割等任务,在目标检测的标注任务中,标签存储为 JSON 文件。

2.2. Labelme安装

为避免环境冲突,建议在 conda 环境下安装。

conda create -n labelme python=3.10
conda activate labelme
pip install pyqt5
pip install labelme

2.3. Labelme的标注过程

2.3.1. 准备待标注数据

  1. 创建数据集根目录,如hemlet
  2. 在hemlet中创建images目录(必须为images目录),并将待标注图片存储在images目录下,如下图所示:

  1. 在hemlet文件夹中创建待标注数据集的类别标签文件label.txt,并在label.txt中按行写入待标注数据集的类别。以安全帽检测数据集的label.txt为例,如下图所示:

2.3.2. 启动Labelme

终端进入到带标注数据集根目录,并启动labelme标注工具

cd path/to/hemlet
labelme images --labels label.txt --nodata --autosave --output annotations
  • --labels 类别标签路径。
  • --nodata 停止将图像数据存储到JSON文件。
  • --autosave 自动存储
  • --ouput 标签文件存储路径

    2.3.3. 开始图片标注

  • 启动 labelme 后如图所示:

  1. 点击"编辑"选择标注类型

  1. 选择创建矩形框

  1. 在图片上拖动十字框选目标区域

  1. 再次点击选择目标框类别

  1. 标注好后点击存储。(若在启动labelme时未指定--output字段,会在第一次存储时提示选择存储路径,若指定--autosave字段使用自动保存,则无需点击存储按钮)

  1. 然后点击"Next Image"进行下一张图片的标注

  1. 最终标注好的标签文件如图所示

  1. 调整目录得到安全帽检测标准labelme格式数据集 a. 在数据集根目录创建train_anno_list.txt和val_anno_list.txt两个文本文件,并将annotations目录下的全部json文件路径按一定比例分别写入train_anno_list.txt和val_anno_list.txt,也可全部写入到train_anno_list.txt同时创建一个空的val_anno_list.txt文件,待上传零代码使用数据划分功能进行重新划分。train_anno_list.txt和val_anno_list.txt的具体填写格式如图所示:

b. 经过整理得到的最终目录结构如下:

c. 将hemlet目录打包压缩为.tar或.zip格式压缩包即可得到安全帽检测标准labelme格式数据集

3. PaddleLabel 使用

3.1.1. 安装与运行

为避免环境冲突,建议创建一个干净的conda环境:

conda create -n paddlelabel python=3.11
conda activate paddlelabel

同样可以通过pip一键安装

pip install --upgrade paddlelabel
pip install a2wsgi uvicorn==0.18.1
pip install connexion==2.14.1
pip install Flask==2.2.2
pip install Werkzeug==2.2.2

安装成功后,可以在终端使用如下指令启动 PaddleLabel paddlelabel # 启动paddlelabel pdlabel # 缩写,和paddlelabel完全相同 PaddleLabel 启动后会自动在浏览器中打开网页,接下来可以根据任务开始标注流程了。详细操作说明可参考 快速使用 文档。

3.1.2. PaddleLabel的标注过程

  1. 打开自动弹出的网页,点击样例项目,点击目标检测

  1. 填写项目名称,数据集路径,注意路径是本地机器上的 绝对路径。完成后点击创建。

  1. 首先定义需要标注的类别,以版面分析为例,提供10个类别, 每个类别有唯一对应的id |类别名|类别id| |---|---| |安全帽|hemlet| |人的头部| persion| 点击添加类别,创建所需的类别名

  2. 开始标注 a. 首先选择需要标注的标签 b. 点击左侧的矩形选择按钮 c. 在图片中框选需要区域,注意按语义进行分区,如出现多栏情况请分别标注多个框 d. 完成标注后,右下角会出现标注结果,可以检查标注是否正确。 e. 全部完成之后点击 项目总览

  1. 导出标注文件 a. 在项目总览中按需求划分数据集,然后点击导出数据集

b. 填写导出路径和导出格式,导出路径依然是一个绝对路径,导出格式请选择coco

c. 导出成功后,在指定的路径下就可以获得标注文件。

  1. 调整目录得到安全帽检测标准coco格式数据集 a. 并将三个json文件以及image目录进行重命名,对应关系如下:

源文件(目录)名 重命名后文件(目录)名
train.json instance_train.json
val.json instance_train.json
test.json instance_test.json
image images

b. 在数据集根目录创建annotations目录,并将json文件全部移动到annotations目录下,得到最后的数据集目录如下:

c. 将hemlet目录打包压缩为.tar或.zip格式压缩包即可得到安全帽检测标准coco格式数据集