labelme是一款在例項分割、語義分割、目標檢測等任務中的一個常用工具，本文將介紹如何使用labelme。
labelme有各種版本，包括ubuntu、windows、macOS等。關於windows版本，也可以下載其相關的exe檔案https://github.com/wkentaro/labelme/releases來使用標註
一、安裝labelme第三方庫
labelme開源庫連結：https://github.com/wkentaro/labelme/tree/main
官方教程很詳細，可按照官方教程進行安裝，下面只是幾個重要步驟：
開始安裝前，確保你已經有python環境，並且有安裝pip工具（或anaconda也可以）
linux和windows的安裝過程類似，直接使用指令：pip install labelme
或者使用conda指令安裝（前提是安裝好anaconda）：conda install labelme
或者使用指令從github中安裝：pip3 install git+https://github.com/labelmeai/labelme
二、使用labelme進行標註（非linux環境）
1.首先進入圖片目錄
其中images資料夾存放的是圖片，labels.txt存放的是標籤資訊,標籤資訊如下(前兩項是必須要有的)：
__ignore__
_background_
airplane
car
cat
person
bird
tree
2.啟動lebelme
使用命令列：labelme ./images --labels ./labels.txt --nodata --validatelabel exact
釋義：
images 是要處理的資料目錄。
--labels labels.txt 指定標籤檔案，定義可用的標籤。
--nodata 表示不載入任何資料，只進行標籤驗證。
--validatelabel exact 設定標籤驗證的精確性。
更多指令可見相關原始碼：labelme/labelme/__main__.py
3.標註
可建立多種型別：
例如在目標檢測任務中，需要標註目標物體的位置資訊（大致邊框範圍）時，可用矩形
語義分割任務中我們需要詳細指導物體的邊緣，可以選擇多邊形
三、生成各類資料集
在官方原始碼的examples/instance_segmentation資料夾下寫好了生成指令碼（其他對應的示例資料夾也有）：
例如，想生成語義分割等任務的資料集，可以使用指令:./labelme2voc.py ./images ./OutImages --labels labels.txt
其中：
./labelme2voc.py 是要執行的指令碼，位於當前目錄。
images 是輸入資料目錄，包含 LabelMe 格式的標註檔案。
OutImages 是輸出目錄，將儲存轉換後的 Pascal VOC 格式的資料。
--labels labels.txt 指定標籤檔案，用於定義轉換過程中使用的標籤。
