参考： https://blog.csdn.net/u 011574296/article/details/79740633
在执行目标检测任务时，必须使用标签img进行边框标记，以前的文章介绍了该工具的使用方法。 但是，在语义分割的任务中，不仅需要标记框，还需要用其他工具labelme进行标记，本文介绍了该工具的实现方法。
官方教程： https://github.com/wkentaro/label me # anaconda
1安装方法1.1 Ubuntu # Ubuntu 14.04/Ubuntu 16.04 # python2# sudo apt-getinstallpython-qt4 # pyqt4sudo apt-getinstalllpython-qt4 python3sudo apt-getinstallpython3- pyqt5# pyqt5sudo pip3installlabelme 1.2 windows=====
直接在windows上下载可执行文件即可，无需执行以下安装步骤
============以下可以忽略=============
首先确认电脑上安装了python和pip，具体安装方法参考该链接的步骤1、2即可
下载并安装anaconda，选择适合自己python版本和支持的系统，默认安装即可。
安装后，在程序中选择prompt相当于windows的cmd，但运行目录直接位于anaconda下。
然后，在prompt中依次输入以下命令：
conda create-- name=labelmepython=2.7 (在此步骤中，python=*选择您的python版本(activatelabelmecondainstallpyqtpipinstallllabelabon
启动activate labelmelabelme后，如果找到所需的文件夹，并且在使用中有中文路径或中文名称，请访问暂时还没有找到解决方法
2方法2.1在启动终端上执行以下命令：
labelme将打开以下页面
2.2单击标记open dir，选择标记文件所在的文件夹，然后开始标记。 注意标注时，如果你要标注的对象是人和狗，在画口罩的过程中，如果一张图片中有多个Pelson、Pelson 2……那么命名规则为Pelson 1、Pelson 2……Pelson 1、Pods 2……。 labelme生成的标记是label.png文件，因此该文件只有一个通道。 标记时将标记位附加到同一标记mask，但mask必须将不同的实例放置在不同的层上。 最终训练所需的输入是w*h*n的ndarray。 其中n是图像中的实例数。 (如果是进行语义分割的话，就没有必要这样区分)
标记完成后，将生成json文件
3文件转换标记完成后，必须获取原始图和相应的json文件，并将其转换为colormap标记。 labelme项目已经提供了各种转换脚本，您可以直接使用它们
git clone https://github.com/wkentaro/label me.git CD./label me/examples/semantic _ segmentation /以及所有照片和json文件
pythonlabelme2VOC.py data _ annotated/data_dataset_VOC-- labels labels.txt-- noviz生成data _ dataset _ VOC文件夹，
.data _ annotated ((2011 _ 00003.jpg (2011 _ 00003.JSON (2011 _ 00006.)000006 ) )。 data _ dataset _ VOC (class _ names.txt (JPEG images (2011 _ 00003.jpg (() ) ) jpg ) ) t 025.png (segmentationclassvisualization (2011 _ 0003.jpg (2011 _ 0006.jpg