语义分割labelme标注流程

用于做格式转换的demo数据，可以支持目标检测模型的训练与测试

labelme转coco 源标签 将labelme数据json转成coco数据

深度学习，训练分割模型的标注工具，可以实现多边形的标注，需要的可以下载，labelme同时也可以用来标注视频，直接下载运行exe即可，免安装程序。

labelme标注工具生成的json文件内容格式转YOLOV3标签格式

python批量实现24位深的伪彩图转换为8位的伪彩图，将EISeg分割生成的24位深的彩图转换为8位深的彩图 在训练语义分割时，需要有原图和相应的分割图，分割图一般有两种方式 一是用labelme进行打标签，然后根据json文件进行批量分割，这样的图片一般都是8位深的伪彩图，可以直接送到模型训练。 而第二种是使用EISeg生成的图片进行模型训练，然而EISeg生成的是24位深的伪彩图，（肉眼看是没有任何区别的，但就是不能送到模型中训练），需要进行转换，转换为8位深的伪彩图。 python批量实现24位深的伪彩图转换为8位的伪彩图，将EISeg分割生成的24位深的彩图转换为8位深的彩图 python批量实现24位深的伪彩图转换为8位的伪彩图，将EISeg分割生成的24位深的彩图转换为8位深的彩图

1. 批量生成每张图片的标注结果文件夹(含 img.png, label.png, label_names.txt, label_viz.png） 2. 将所有.json 导出的标注文件夹中的 img.png, label.png 复制到相应的 img 和 label 文件夹中 3. 将 labelme 产生的 label 转化为二值图（ 红色替换为白色） 4. 将二值图转 nii

解压下载安装即用，标注的文件务必保证全英文目录！！

注意：该数据集是用于图像分割的，且是人物图像分割。 包含了训练集合和测试集合。 训练集：32张 测试集：8张 由于数据集小，所以此数据集只用于快速验证分割网络的搭建。

修改了labelme官方代码，增加了标注框的标签，不再需要点击标注框才知道对应标签的问题，同时增加了已标注个数及总数，方便标记查看每次标注情况，且方便快速定位到未标注位置，具体详情可参考博客：https://blog.csdn.net/ViatorSun/article/details/125976407，如有什么问题可以博客下留言