LabelMe是一款广泛使用的图像标注工具，主要用于计算机视觉项目中的图像数据准备。它是由日本的京都大学开发的一款开源软件，支持多种类型的图像标注任务，包括但不限于：

对象检测（Object Detection）：标记图像中的特定对象及其边界框。
语义分割（Semantic Segmentation）：为图像中的每个像素分配一个类别标签。
实例分割（Instance Segmentation）：不仅区分不同类别，还能区分同一类别中的不同个体。
关键点检测（Key Point Detection）：标注图像中特定物体的关键点位置，如人体关节的位置。

主要特点：

用户界面友好：提供直观的图形界面，方便用户手动标注图像。
高度可定制：支持自定义类标签、颜色方案以及其他参数，满足不同的项目需求。
数据导出灵活：支持导出标注结果为多种格式，便于与不同的机器学习框架集成。
多平台支持：可以在Windows、macOS和Linux等多种操作系统上运行。

使用场景：

学术研究：研究人员可以使用LabelMe来准备用于训练深度学习模型的数据集。
工业应用：在自动驾驶、医疗影像分析、安防监控等领域，LabelMe可以帮助生成高质量的标注数据。
教学工具：对于教学目的，LabelMe可以用来演示数据标注的过程，帮助学生理解图像处理的基本概念。

网址：

安装

labelme是基于pyqt编写的软件，直接使用pip安装即可

pip install labelme

安装完毕后，输入如下命令启动labelme：

labelme

数据标注

点击打开目录，找到需要标注的目录，点击创建多边形，然后点击图片中的目标位置框选起来

框选完毕后，会出现一个标签页面，输入我们所需要目标标签即可

保存后的数据为xxx.json文件，里面包含了标注信息和图像信息

{
  "version": "5.5.0",
  "flags": {},
  "shapes": [
    {
      "label": "mooncake",
      "points": [
        [
          249.08088235294122,
          155.1470588235294
        ],
        [
          265.625,
          149.63235294117646
        ],
        [
          273.34558823529414,
          129.77941176470586
        ],
        [
          306.06617647058823,
          119.48529411764704
        ],
        [
          320.0367647058824,
          119.48529411764704
        ],
        [
          337.68382352941177,
          126.83823529411764
        ],
        [
          345.77205882352945,
          127.5735294117647
        ],
        [
          362.31617647058823,
          138.23529411764704
        ],
        [
          371.875,
          152.9411764705882
        ],
        [
          379.2279411764706,
          168.01470588235293
        ],
        [
          382.16911764705884,
          195.2205882352941
        ],
        [
          384.375,
          209.92647058823528
        ],
        [
          370.77205882352945,
          241.5441176470588
        ],
        [
          366.7279411764706,
          248.8970588235294
        ],
        [
          359.00735294117646,
          254.41176470588232
        ],
        [
          349.0808823529412,
          269.85294117647055
        ],
        [
          322.9779411764706,
          290.8088235294117
        ],
        [
          287.31617647058823,
          291.9117647058823
        ],
        [
          275.5514705882353,
          294.1176470588235
        ],
        [
          263.41911764705884,
          301.4705882352941
        ],
        [
          243.93382352941177,
          301.10294117647055
        ],
        [
          228.125,
          294.1176470588235
        ],
        [
          196.875,
          263.60294117647055
        ],
        [
          184.00735294117652,
          226.10294117647055
        ],
        [
          184.375,
          211.76470588235293
        ],
        [
          189.88970588235298,
          197.42647058823528
        ],
        [
          191.7279411764706,
          183.8235294117647
        ],
        [
          202.38970588235298,
          165.4411764705882
        ],
        [
          229.2279411764706,
          151.10294117647058
        ],
        [
          241.7279411764706,
          151.4705882352941
        ]
      ],
      "group_id": null,
      "description": "",
      "shape_type": "polygon",
      "flags": {},
      "mask": null
    }
  ],
  "imagePath": "images\\train\\Cake1.jpg",
  "imageData": "xxxxxxxxxxx", 
  "imageHeight": 450,
  "imageWidth": 600
}

保存后，右边列表的图像会显示已标注：

如果创建其他的形状（比如说常用的矩形），对着图片右键即可

格式转换

YOLO

json不能直接用于yolo里面，需转换格式

使用工具转换即可，使用如下命令安装python第三方库：

pip install labelme2yolo

这里是labelme2yolo相关网址：

安装完毕后，执行如下命令检查是否安装成功：

labelme2yolo -h