見出し画像

labelme2yoloの使い方～Segmentation編～

星杜なぎさ

はじめに

  • labelme2yoloというpythonライブラリを発見

  • かなり新しいライブラリなので日本語記事が皆無

  • なら、私が書きましょう☆彡

動作環境

いつもの

  • Python：3.11.5

    • ultralytics：8.0.145

    • labelme：5.3.1

    • labelme2yolo：0.1.3　★今回の主役！！

labelme2yoloの使い方

labelme2yoloとは？

  • labelmeで作成したjson形式のラベルを、yolo(v8含む）で使える形式に変換できるライブラリ

  • detectionとsegmentation用のフォルダ構成、yamlファイルの生成もしてくれるため、非常に便利！！

  • PyPIはこちら（labelme2yolo · PyPI）

導入方法

pipで簡単に導入できます！

python -m pip install labelme2yolo
（参考）導入時の出力

使い方

labelme2yoloはコマンドプロンプト上で実行するツールです
labelmeでアノテーションを行って保存されたjsonファイルを
YOLOv8の学習に使用できるtxt形式に、コマンド１発で変換してくれます
（labelmeでのアノテーション（ラベル付け）方法は別記事でまとめます）

labelmeで作成されたjson形式のデータの例

使い方は、以下のコマンドを実行するだけです

labelme2yolo --json_dir ./datasets/ --val_size 0.10
実行時の出力

※ちなみに、デフォルトではSegment用の変換（--output_format polygon）ですが、オプション引数の--output_formatを"bbox"にすると、
Detection用の変換も可能です（labelme2yolo v0.1.3の場合））

正常に終了したら、--json_dirに指定したフォルダに「YOLODataset」というフォルダが生成されます

学習用の画像は「いらすとや」から拝借させていただきました
（https://www.irasutoya.com/2015/08/blog-post_597.html）

生成物は以下の通りです。

  • imagesフォルダ
    trainとval, testに分けられた画像

  • labelsフォルダ
    trainとval, testに分けられたYOLO用の形式になったtxtファイル

  • dataset.yaml
    YOLOv8のtrainコマンド時に使用するyamlファイル

実際にYOLOv8を学習させてみる

実際にYOLOv8の学習に使えるか？試してみました
（yaml内の相対PATHは、絶対PATHに記載を変更しております）

学習（train）

出力その１：学習の準備が進んでいます
出力その２：学習が始まったところ
出力その３：最後のスクショは取り忘れました…

予測（predict）

念のため、キチンの判定できるか確認（closed条件）

  • 上側：デフォルトのモデル（yolov8n-seg.pt）での判定結果
    no detection（検出されず）となっている

  • 下側：先ほど学習したモデル（best.pt）での判定結果
    アノテーション時に設定した「hakusekirei」で検出されている

predictコマンド実行時の出力
左側：既存モデルでの出力
右側：今回学習したモデルの出力
きちんと検出と領域も判定できてますね！

おまけ

YOLOv8のsegmentation用に変換前後を検算しました

左３つが元のjsonファイル
右のメモ帳が生成されたtxtファイル
右の電卓が検算結果です（正しく変換されています）
ちなみにlabelmeのjson出力結果の対応はこんな感じです

まとめ

  • labelme2yoloはlabelmeで作成したjson形式のラベルを
    YOLOv8用に変換できるCLIライブラリ

  • 評価用フォルダ構成（train, val, test）やyamlファイルも生成されるため、かなり便利！！

  • デフォルトはSegmentation用だが、オプション引数--output_formatで"bbox"を指定することで、Detectionの学習にも使える（v0.1.3）

以上☆彡

参考URL


この記事が気に入ったらサポートをしてみませんか？