# labelme2YoloV8-segment
将labelme数据标注格式转换为YoloV8语义分割数据集,并可自动划分训练集和验证集
![示例图片](https://github.com/KdaiP/labelme2YoloV8-segment/blob/main/demo.jpg)
## 配置
请先确保所有数据集图片和labelme标注文件都存放在一个文件夹内。
修改labelme_folder变量为该文件夹。例如:
```python
labelme_folder = "labelme_folder"
```
## 使用
运行convert_folder.py
默认输出路径如下:
```python
output_folder = "output_dir" #存储yolo标注文件的文件夹
dataset_folder = "dataset" #存储划分好的数据集的文件夹
```
output_folder存放转换过后的YoloV8数据集图片和标签,dataset_folder存放划分完训练集和验证集的YoloV8数据集,并生成data.yaml文件。
如果不需要划分训练集和测试集,只需要注释掉这行:
```python
split_data(output_folder, dataset_folder)#划分训练集和验证级
```
## 训练
参照[YoloV8官方文档](https://docs.ultralytics.com/tasks/detect/)
示例:
```python
from ultralytics import YOLO
model = YOLO('yolov8n-seg.pt') #加载预训练底模
# 训练
model.train(data='data.yaml', epochs=100, imgsz=640)
```
注:data.yaml文件在dataset_folder目录下面
## 疑难解答
* YOLOV8找不到训练集和测试集文件
检查convert_folder.py生成的data.yaml文件,修改其中的train、val和test路径
* with open(xxx,"w") as f 报错
在使用其他labelme转yolo数据集的程序可能会出现,原因是open只能创建文件而不能创建文件夹,需要事先创建好文件夹。
本程序用os.makedirs自动创建文件夹,一般情况下不会出现这个问题。
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
labelme2YoloV8-segment-main.zip (14个子文件)
labelme2YoloV8-segment-main
labelme_folder
example1.json 4KB
example2.jpeg 68KB
example5.jpg 710KB
example3.jpeg 137KB
example3.json 4KB
example2.json 8KB
example4.json 5KB
example5.json 4KB
example1.jpeg 260KB
example4.jpeg 28KB
demo.jpg 837KB
labels.txt 9B
convert_folder.py 4KB
README.md 2KB
共 14 条
- 1
资源评论
汀、人工智能
- 粉丝: 7w+
- 资源: 367
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功