本文档将介绍如何使用 Labelme 标注工具完成语义分割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。
该数据集是人工采集的街景数据集，数据种类涵盖了车辆和道路两种类别，包含目标不同角度的拍摄照片。 图片示例：
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，语义分割等任务，在语义分割的标注任务中，标签存储为 JSON 文件。
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- 创建数据集根目录，如 seg_dataset
- 在 seg_dataset 中创建 images 目录（目录名称可修改，但要保持后续命令的图片目录名称正确），并将待标注图片存储在 images 目录下，如下图所示：
终端进入到待标注数据集根目录，并启动 labelme 标注工具。
# Windows
cd C:\path\to\seg_dataset
# Mac/Linux
cd path/to/seg_dataset
labelme images --nodata --autosave --output annotations- --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
- 启动 labelme 后如图所示：
- 点击"编辑"选择标注类型
- 选择创建多边形
- 在图片上绘制目标轮廓
- 出现如下左图所示轮廓线闭合时，弹出类别选择框，可输入或选择目标类别
通常情况下，只需要标注前景目标并设置标注类别即可，其他像素默认作为背景。如需要手动标注背景区域，类别必须设置为 _background_，否则格式转换数据集会出现错误。 对于图片中的噪声部分或不参与模型训练的部分，可以使用 __ignore__ 类，模型训练时会自动跳过对应部分。 针对带有空洞的目标，在标注完目标外轮廓后，再沿空洞边缘画多边形，并将空洞指定为特定类别，如果空洞是背景则指定为 _background_，示例如下：
- 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）
- 然后点击 "Next Image" 进行下一张图片的标注
- 最终标注好的标签文件如图所示
- 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 seg_datset 下载并执行目录整理脚本。执行脚本后的 train_anno_list.txt 和 val_anno_list.txt 中具体内容如图所示：
python format_seg_labelme_dataset.py
b. 经过整理得到的最终目录结构如下：
c. 将 seg_dataset 目录打包压缩为 .tar 或 .zip 格式压缩包即可得到语义分割标准 labelme 格式数据集