labelme打开已经标注好数据集的命令

要打开已经标注好数据集，你可以使用以下命令：

labelme <path/to/dataset.json>

其中，`path/to/dataset.json` 是已经标注好的数据集的 JSON 文件路径。执行该命令后，`labelme` 将会自动打开一个 GUI 窗口，显示数据集的内容和标注信息。你可以在该窗口中查看和编辑标注信息。

相关问题

labelme查看已标注的label

### 如何在 LabelMe 中查看已标注的标签

对于已经完成标注的任务，在 LabelMe 中重新打开这些带有标注信息的图片文件即可查看之前保存的标注结果[^4]。

当通过命令行启动 LabelMe 并加载含有先前保存过的 JSON 文件对应的图像时，程序能够自动读取同名（除了扩展名为 .json）的标注文件并显示所有曾经绘制过的形状连同样本类别名称。如果是在图形界面下操作，则只需导航至相应目录选取该类图像文件就能实现上述功能[^1]。

另外，若要批量浏览多个已完成标注的项目，可利用 `labelme json_to_dataset` 命令转换指定路径下的 JSON 文件为数据集结构，但这一步骤并非用于直接观看而是准备训练模型所需的数据格式；不过此过程也会创建包含可视化效果图的新文件夹，从中可以间接观察到原始图片上的标注情况[^2]。

#### 使用 Python 脚本预览特定文件中的标注
也可以编写简单的Python脚本来快速查看单个或一组JSON文件内的标注详情：

import labelme.utils.draw as draw_utils
from PIL import Image, ImageDraw
import os
import json


def visualize_labels(image_path, json_file):
    with open(json_file) as f:
        data = json.load(f)

    img = Image.open(image_path)
    drawable_img = ImageDraw.Draw(img)

    for shape in data['shapes']:
        points = shape["points"]
        label = shape["label"]

        if shape["shape_type"] == "rectangle":
            drawable_img.rectangle(points, outline="red", width=2)
        elif shape["shape_type"] == "polygon":
            drawable_img.polygon(points, outline="blue", fill=None)
        
        position_for_text = tuple(map(int, points[0]))
        drawable_img.text(position_for_text , label, fill='white')

    display(img)


image_dir = "./path/to/images"
annotations_dir = "./path/to/jsons"

for filename in os.listdir(annotations_dir):
    if not filename.endswith(".json"):
        continue
    
    image_filename = os.path.splitext(filename)[0]+".jpg"  # 或者其他可能的图片格式
    full_image_path = os.path.join(image_dir,image_filename )
    
    try:
        visualize_labels(full_image_path,os.path.join(annotations_dir,filename))
    except Exception as e:
        print(f"{filename} 处理失败: {str(e)}")

这段代码遍历给定文件夹里的每一个 `.json` 文件，并尝试找到匹配的图像文件来一起渲染出带有所属分类标记的结果图象。注意调整变量 `image_dir` 和 `annotations_dir` 的值指向实际存储位置。

labelme数据标注使用教程

### LabelMe 数据标注工具使用教程

#### 安装准备
为了顺利使用LabelMe数据标注工具，建议先按照特定的方法完成安装。对于Windows系统的用户来说，推荐通过Anaconda来管理Python环境以及依赖包的安装[^1]。

#### 启动程序
一旦成功安装完毕之后，可以通过命令提示符或者Anaconda Prompt输入`labelme`启动该软件。如果一切正常配置无误的话，浏览器会自动打开一个新的标签页加载LabelMe界面；如果没有自启，则可以手动访问本地服务器地址（通常是http://127.0.0.1:5000/）。

#### 创建新项目
首次运行时，点击界面上方菜单栏里的“Create Project”，然后指定保存路径和名称即可创建新的标注工程。这一步骤非常重要，因为所有的图片都将被导入到这个新建好的工程项目当中去进行后续操作。

#### 导入待处理图像
接着就是把想要用来做标记工作的原始素材——即那些未经任何编辑的照片或截图等放入刚才建立起来的那个文件夹里边儿。当这些资源准备好以后，刷新网页就能看到它们出现在列表之中等待进一步的操作了。

#### 开始绘制边界框或其他形状
选中某一张具体的图样后就可以着手开展实际的任务啦！利用左侧工具箱提供的选项能够轻松画出矩形、圆形乃至自由曲线等多种类型的区域轮廓线，并为其赋予相应的类别标签以便区分不同对象之间的差异性特征。

#### 修改已有的标注信息
如果不小心弄错了某些地方也不必担心，只要重新选取那个部分再调整就好。另外值得注意的是，在一些特殊情况下可能还需要对`.json`格式存储下来的元数据记录作出适当更改以确保准确性。比如针对Windows环境下可能出现的文件命名冲突问题就需要改动源码中的相应位置才能彻底解决这个问题[^2]。

#### 保存成果导出JSON文件
最后别忘了及时存盘哦～每次做完一批工作记得要点击右上角按钮将当前进度另存为JSON文档形式固定下来。这样不仅方便日后查阅回顾整个过程而且也为机器学习算法提供了结构化的训练样本集作为基础支持材料。

import json
data = {
    "version": "3.16.7",
    "flags": {},
    ...
}
with open('annotations.json', 'w') as f:
    json.dump(data, f)