Labelme标注神器:从安装到实战,手把手教你打造自己的图像分割数据集

工业级标注技巧与质量控制

高级标注策略

  多边形标注不是简单的描边游戏，专业标注员会采用分层标注策略：

• 主体结构层：用较少节点勾勒物体大致轮廓
• 细节精修层：在放大视图下添加关键特征点
• 边缘优化层：对边界模糊区域进行概率标注

  原始图像通常需要标准化处理才能高效标注。以下脚本可批量调整图像尺寸并保持长宽比：

import cv2
import os

def resize_images(input_dir, output_dir, max_size=1024):
    os.makedirs(output_dir, exist_ok=True)
    for img_name in os.listdir(input_dir):
        img_path = os.path.join(input_dir, img_name)
        img = cv2.imread(img_path)
        h, w = img.shape[:2]
        scale = min(max_size / h, max_size / w)
        new_h, new_w = int(h * scale), int(w * scale)
        resized = cv2.resize(img, (new_w, new_h))
        cv2.imwrite(os.path.join(output_dir, img_name), resized)

建议在标注前统一图像命名格式（如0001.jpg），避免特殊字符导致解析错误

  以下为标注质量检查脚本：

import json
import numpy as np

def check_annotation(json_path):
    with open(json_path) as f:
        data = json.load(f)
    issues = []
    for shape in data['shapes']:
        points = np.array(shape['points'])
        # 检查节点数量
        if len(points) < 3:
            issues.append("Polygon has less than 3 points")
    return issues