labelme 转yolo v7

### 将LabelMe标注的数据转换为YOLOv7可用的格式 为了将LabelMe标注的数据转换为适用于YOLOv7模型训练的格式，可以遵循以下方法。此过程涉及解析JSON文件并将其重新组织为YOLO所需的结构。 #### 数据准备 LabelMe工具生成的是基于图像像素坐标的多边形标注数据。而YOLO系列框架通常需要边界框（bounding box）形式的目标检测标签。因此，第一步是从多边形提取最小外接矩形作为目标框[^1]。 #### 转换逻辑 对于每张图片对应的JSON文件： - 解析`shapes`字段中的坐标点集合； - 计算这些点构成的多边形的最小包围盒（即左上角和右下角坐标）； - 归一化处理得到相对位置的比例值[x_center, y_center, width, height]； - 输出到对应`.txt`文件中，每一行代表一个对象实例及其类别编号[^2]。 以下是具体实现代码： ```python import os import json from labelme import utils as lbl_utils def shape_to_yolo(shape, img_shape): points = shape['points'] (xmin, ymin), (xmax, ymax) = min(points)[0], max(points)[1] dw = 1./img_shape[1] dh = 1./img_shape[0] x = ((xmin+xmax)/2)*dw y = ((ymin+ymax)/2)*dh w = abs(xmax-xmin)*dw h = abs(ymax-ymin)*dh return f"{shape['label']} {x:.6f} {y:.6f} {w:.6f} {h:.6f}" input_dir = './jsons/' # 存放原始json文件夹路径 output_dir = './labels/' # 结果保存目录 if not os.path.exists(output_dir): os.makedirs(output_dir) for filename in os.listdir(input_dir): if filename.endswith('.json'): with open(os.path.join(input_dir,filename)) as f: data=json.load(f) image_height,image_width,_=lbl_utils.img_b64_to_arr(data["imageData"]).shape out_file=os.path.splitext(filename)[0]+'.txt' lines=[shape_to_yolo(s,(image_height,image_width)) for s in data['shapes']] with open(os.path.join(output_dir,out_file),'w')as wf: wf.write('\n'.join(lines)) ``` 上述脚本实现了从LabelMe JSON至YOLO v7所需TXT格式的自动化转换流程[^3]。 #### 注意事项 - 类别索引应依据实际项目定义调整，默认取自`shape['label']`字符串名称。 - 如果存在多个类别的情况，则需预先设定好映射关系表来替换原生标签名成为整数ID表示法。