labelme是一款在实例分割、语义分割、目标检测等任务中的一个常用工具，本文将介绍如何使用labelme。
labelme有各种版本，包括ubuntu、windows、macOS等。关于windows版本，也可以下载其相关的exe文件https://github.com/wkentaro/labelme/releases来使用标注
一、安装labelme第三方库
labelme开源库链接：https://github.com/wkentaro/labelme/tree/main
官方教程很详细，可按照官方教程进行安装，下面只是几个重要步骤：
开始安装前，确保你已经有python环境，并且有安装pip工具（或anaconda也可以）
linux和windows的安装过程类似，直接使用指令：pip install labelme
或者使用conda指令安装（前提是安装好anaconda）：conda install labelme
或者使用指令从github中安装：pip3 install git+https://github.com/labelmeai/labelme
二、使用labelme进行标注（非linux环境）
1.首先进入图片目录
其中images文件夹存放的是图片，labels.txt存放的是标签信息,标签信息如下(前两项是必须要有的)：
__ignore__
_background_
airplane
car
cat
person
bird
tree
2.启动lebelme
使用命令行：labelme ./images --labels ./labels.txt --nodata --validatelabel exact
释义：
images 是要处理的数据目录。
--labels labels.txt 指定标签文件，定义可用的标签。
--nodata 表示不加载任何数据，只进行标签验证。
--validatelabel exact 设定标签验证的精确性。更多指令可见相关源代码：labelme/labelme/__main__.py
3.标注
可创建多种类型：
例如在目标检测任务中，需要标注目标物体的位置信息（大致边框范围）时，可用矩形
语义分割任务中我们需要详细指导物体的边缘，可以选择多边形
三、生成各类数据集
在官方源码的examples/instance_segmentation文件夹下写好了生成脚本（其他对应的示例文件夹也有）：
例如，想生成语义分割等任务的数据集，可以使用指令:./labelme2voc.py ./images ./OutImages --labels labels.txt
其中：
./labelme2voc.py 是要执行的脚本，位于当前目录。
images 是输入数据目录，包含 LabelMe 格式的标注文件。
OutImages 是输出目录，将保存转换后的 Pascal VOC 格式的数据。
--labels labels.txt 指定标签文件，用于定义转换过程中使用的标签。
