参考博客：https://blog.csdn.net/zong596568821xp/article/details/83375227
该博客截图:


参考文档(应该是官方文档)：
https://codechina.csdn.net/mirrors/wkentaro/labelme?utm_source=csdn_github_accelerator

文档截图：

总结：

1. 打开anaconda prompt，依次输入如下命令。（我的base环境是python3.6.5）

conda create --name=labelme python=3.6

这里的python=x.x应该是根据自己的来。但是官方文档写的是：

可能是python2 的就写2.7，python3 的就写3.6。这一步就是在D:\Anaconda3\envs（这个是我的envs路径）的文件夹下新建了一个环境。在anaconda navigator里也可以看到。

我的截图：

2. 然后我们激活这个环境：

conda activate labelme

我的截图：

3. 开始在这个环境下安装labelme
   代码：pip install labelme
   但是我在输入这行的时候报错：
   
   于是我换了国内的源：

pip install labelme -i https://pypi.doubanio.com/simple

安装成功！

参考链接：https://blog.csdn.net/qq_15969343/article/details/79840517

想要打开labelme使用：

参考如下：

1. 打开anaconda prompt，输入下面代码激活环境。

activate labelme

2. 输入下面代码打开labelme。

labelme

3. 出现了labelme的图形界面。
   

4. 选择要标注的图片
   

5. 圈出标注对象，命名规则：一幅图像中如果有多个person、dog，命名规则为person1、person2…… dog1、dog2……。因为labelme生成的标签为一个label.png文件，这个文件只有一通道，在你标注时同一标签mask会被给予一个标签位，而mask要求不同的实例要放在不同的层中。最终训练索要得到的输入为一个whn的ndarray，其中n为该图片中实例的个数。（如果是做语义分割，则没必要如此区分）。
   
   点击create Polygons开始标注，ctrl+z可以撤回标注。

6. 标注完成之后保存，会存为一个.json文件。
   
   打开.json文件就是这个样子。
   

7. 该json文件需要转换为训练程序需要的Mask数据，重新开一个anaconda prompt窗口，进入labelme的环境，输入命令。

labelme_json_to_dataset 文件所在目录.json

生成了一个文件夹，里面有四个文件：

但是正常来说应该有五个文件，其中 label.png 和 info.yaml 是我们需要用到的：

遂查找原因：

参考链接：https://blog.csdn.net/winter616/article/details/104426111/

找到json_to_dataset.py文件：
我的路径是：D:\Anaconda3\envs\labelme\Lib\site-packages\labelme\cli\json_to_dataset.py

打开该文件，发现文件末尾处缺失了生成info.yaml的声明：

本来应该是，这样的：

所以，把缺失的代码粘贴到相同位置：

#开头引入
    import yaml
#后部分加上生成".yaml"文件的部分  一定注意位置
    logger.warning('info.yaml is being replaced by label_names.txt')
    info = dict(label_names=label_names)
    with open(osp.join(out_dir, 'info.yaml'), 'w') as f:
        yaml.safe_dump(info, f, default_flow_style=False)

然后再次运行命令labelme_json_to_dataset 文件路径.json：

成功！