修改说明： 1.修改转换成voc格式后xml文件中图像存储路径filename标签的值（改为相对与xml的相对路径）； 2.在源代码的基础上增加对多边形转换的支持（原来仅支持方形标注数据的转换）。 使用方法： 在bbox_detection文件夹，替换原文件中的labelme2voc.py。将labels.txt修改为自己的命名标签后，在命令行中输入./labelme2voc.py data_annotated data_dataset_voc --labels labels.txt运行即可。

数据集转换脚本（工具向） News: 最近开始论文实验，需要重新整理一下数据集，顺便整理一下这个代码仓库。 简介 仓库中的脚本用于将Labelme标注的数据转换为PASCAL VOC格式或MS COCO格式的标准数据集，便于直接利用现有的训练框架进行训练。 使用须知: 脚本写的其实并不复杂，有基础的同学可以过一下脚本的流程，确保在自己使用的标注数据或数据集上能正常使用，有需要调整的地方也可以自己调整下，可以省掉一些Debug的无用功夫。 举例说明： 数据集不同，计算BBOX左上角和右下角的Points下标也不一定相同，需要确认下。 标注工具和常见的两种数据集格式 Labelme是我用的标注工具，对图像进行多种类型的标注，可以直接得到json文件。GitHub地址如下： PASCAL-VOC和MS-COCO是两个大型的开源数据集，其数据集的标注形式成为了通用的标注方式，常见的视觉模型的训练

labelme的json数据转换 https://blog.csdn.net/weixin_41275726/article/details/119697156

将labelme打包成exe可执行文件，可以在无python环境的电脑上使用，有需要的可以下载。 使用方法：先安装到本地，安装完成后，需要到安装的目录找到labelme.exe，双击打开。

图像数据标注软件最新的 Labelme v4.5.9 单文件 exe 版，无需 Conda 及 Python 环境，无需编译，下载打开即可使用！

coco数据集主要是images,categories,annotations,把所有图片的信息都整合在一起了，形成dictionary.

修改源labelme的json转VOC数据,原软件只支持方形标注的转换，现修改源码增加对多边形标注数据的转换。

打包好的labelme.exe,包括标注工具labelme在windows上的可执行文件exe,无需安装python，在windows下直接打开使用

标签 使用Python进行图像多边形注释 描述 Labelme是受启发的图形图像注释工具。 它是用Python编写的，并将Qt用于其图形界面。 实例分割的VOC数据集示例。 其他示例（语义分割，bbox检测和分类）。 各种图元（多边形，矩形，圆形，直线和点）。 特征 多边形，矩形，圆形，直线和点的图像注释。 （） 图像标记注释，用于分类和清洁。 （ ） 视频注释。 （） GUI自定义（预定义标签/标志，自动保存，标签验证等）。 （ ） 导出VOC格式的数据集以进行语义/实例分割。 （，） 导出COCO格式的数据集以进行实例细分。 （） 要求 Ubuntu / macOS / Windows Python2 / Python3 / 安装 有以下选项： 平台激动性安装： ， 特定于平台的安装： ， ， 水蟒 您需要安装 ，然后在下面运行： #

MVTEC Halcon官方提供的深度学习标注工具和手册，比labelme和labelimg更好用，有需要的可以下载试试。