GUI 自定义（预定义标签/标志、自动保存、标签验证等）。（ #144 ）

导出用于语义/实例分割的 VOC 格式数据集。（ 语义分割 ， 实例分割 ）

导出用于实例分割的 COCO 格式数据集。（ 实例分割 ）

Ubuntu / macOS / Windows

Python3

PyQt5 / PySide2

有以下选项：

与平台无关的安装： Anaconda

特定于平台的安装： Ubuntu 、 macOS 、 Windows 从发布部分 预构建二进制文件

Anaconda

您需要安装 Anaconda ，然后在下面运行：

# python3 conda create --name=labelme python=3 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 labelme # or you can install everything by conda command # conda install labelme -c conda-forge Ubuntu sudo apt-get install labelme sudo pip3 install labelme # or install standalone executable from: # https://github.com/wkentaro/labelme/releases macOS

brew install pyqt  # maybe pyqt5
pip install labelme
brew install wkentaro/labelme/labelme  # command line interface
# brew install --cask wkentaro/labelme/labelme  # app
# or install standalone executable/app from:
# https://github.com/wkentaro/labelme/releases
Windows
安装Anaconda，然后在 Anaconda Prompt 中运行：
conda create --name=labelme python=3
conda activate labelme
pip install labelme
# or install standalone executable/app from:
# https://github.com/wkentaro/labelme/releases
运行labelme --help 以获取详细信息。

注释保存为JSON文件。
labelme  # just open gui
# tutorial (single image example)
cd examples/tutorial
labelme apc2016_obj3.jpg  # specify image file
labelme apc2016_obj3.jpg -O apc2016_obj3.json  # close window after the save
labelme apc2016_obj3.jpg --nodata  # not include image data but relative image path in JSON file
labelme apc2016_obj3.jpg \
  --labels highland_6539_self_stick_notes,mead_index_cards,kong_air_dog_squeakair_tennis_ball  # specify label list
# semantic segmentation example
cd examples/semantic_segmentation
labelme data_annotated/  # Open directory to annotate all images in it
labelme data_annotated/ --labels labels.txt  # specify label list with a file
更高级的用法，请参考示例：
教程（单图像示例）
语义分割示例
实例分割示例
视频注释示例
命令行参数
--output 指定注释将写入的位置。如果该位置以 .json 结尾，则会将单个注释写入此文件。如果使用 .json 指定位置，则只能注释一张图像。如果位置不以 .json 结尾，程序将假定它是一个目录。注释将存储在此目录中，其名称与进行注释的图像相对应。
第一次运行 labelme 时，它​​会在~/.labelmerc . 您可以编辑此文件，更改将在您下次启动 labelme 时应用。如果您更愿意使用来自其他位置的配置文件，您可以使用标志指定此文件--config 。
如果没有--nosortlabels 标志，程序将按字母顺序列出标签。当程序使用这个标志运行时，它将按照提供的顺序显示标签。
标志被分配给整个图像。例子
标签分配给单个多边形。例子
如何将 JSON 文件转换为 numpy 数组？ 请参阅示例/教程。
如何加载标签PNG文件？ 请参阅示例/教程。
如何获取语义分割的标注？ 请参阅示例/semantic_segmentation。
如何获取实例分割的标注？ 请参阅示例/instance_segmentation。
git clone https://github.com/wkentaro/labelme.git
cd labelme
# Install anaconda3 and labelme
curl -L https://github.com/wkentaro/dotfiles/raw/main/local/bin/install_anaconda3.sh | bash -s .
source .anaconda3/bin/activate
pip install -e .
如何构建独立的可执行文件
下面展示了如何在 macOS、Linux 和 Windows 上构建独立的可执行文件。
# Setup conda
conda create --name labelme python=3.9
conda activate labelme
# Build the standalone executable
pip install .
pip install 'matplotlib<3.3'
pip install pyinstaller
pyinstaller labelme.spec
dist/labelme --version
确保以下测试在您的环境中通过。有关详细信息，

请参阅。.github/workflows/ci.yml
pip install -r requirements-dev.txt
flake8 .
black --line-length 79 --check labelme/
MPLBACKEND='agg' pytest -vsx tests/
这个 repo 是mpitid/pylabelme的分支。