手把手教你用Labelme标注数据，并适配Deeplabv3+训练（附完整代码）

语义分割实战：从Labelme标注到Deeplabv3+模型训练全流程解析

在计算机视觉领域，语义分割是一项基础而关键的任务，它要求模型能够精确识别图像中每个像素的类别归属。对于刚接触这一领域的研究者和开发者而言，如何从原始图像开始构建符合深度学习要求的数据集，往往是项目落地的第一道门槛。本文将详细拆解使用Labelme工具进行数据标注，并将标注结果转换为Deeplabv3+模型可训练格式的完整流程，帮助读者跨越从数据准备到模型训练的技术鸿沟。

1. 数据标注工具的选择与配置

工欲善其事，必先利其器。在语义分割任务中，标注工具的选择直接影响数据质量和后续模型性能。Labelme作为一款开源的图像标注工具，因其轻量、跨平台和易用性，成为学术研究和工业实践中的热门选择。

1.1 Labelme安装与环境准备

Labelme支持多种安装方式，推荐使用Python虚拟环境进行安装以避免依赖冲突：

# 创建并激活虚拟环境 python -m venv labelme_env source labelme_env/bin/activate # Linux/macOS labelme_env\Scripts\activate # Windows # 安装Labelme pip install labelme

安装完成后，可以通过命令行启动Labelme界面：

labelme

提示：对于大规模标注任务，建议使用带有GPU加速的机器，并在标注前确保图像已按类别组织好目录结构。

1.2 标注规范与最佳实践

开始标注前，需要制定明确的标注规范，这对后续模型训练至关重要：

• 类别定义：预先确定所有需要标注的语义类别，并为每个类别分配唯一的名称和颜色编码
• 标注精度：对于边缘复杂的物体，适当增加多边形顶点数量以提高标注精度
• 遮挡处理：对于部分遮挡的物体，应按照可见部分进行完整标注
• 小物体处理：对于小于10×10像素的物体，可考虑合并到背景或邻近类别

标注过程中常用的快捷键：

• Ctrl + 鼠标左键：添加多边形顶点
• Ctrl + 鼠标右键：完成当前多边形标注
• D键：切换到下一张图像
• A键：切换到上一张图像

2. 从Labelme标注到Pascal VOC格式转换

Labelme默认将标注结果保存为JSON格式，而大多数语义分割模型（包括Deeplabv3+）通常要求Pascal VOC格式的数据集。这一转换过程需要处理图像数据、标注掩码和元数据的系统化重组。

2.1 数据集目录结构设计

规范的目录结构是数据集可维护性的基础。Pascal VOC格式的标准结构如下：

VOCdevkit/ └── VOC2012/ ├── Annotations/ # 存放XML标注文件（目标检测用） ├── ImageSets/ │ └── Segmentation/ # 存放训练/验证集划分文件 ├── JPEGImages/ # 存放原始图像 ├── SegmentationClass/ # 存放类别分割图（单通道PNG） └── SegmentationObject/# 存放实例分割图（单通道PNG）

对于语义分割任务，我们主要关注以下关键目录：

• JPEGImages：存储原始RGB图像，通常为JPG格式
• SegmentationClass：存储单通道的类别标注图，像素值对应类别ID
• ImageSets/Segmentation：存储train.txt、val.txt等数据集划分文件

2.2 JSON到Pascal VOC格式的转换代码解析

以下Python脚本实现了从Labelme JSON到Pascal VOC格式的自动转换：

import os import json import numpy as np from PIL import Image from labelme import utils def json_to_voc(json_file, output_dir, class_names): # 创建输出目录 os.makedirs(os.path.join(output_dir, 'JPEGImages'), exist_ok=True) os.makedirs(os.path.join(output_dir, 'SegmentationClass'), exist_ok=True) # 加载Labelme JSON文件 data = json.load(open(json_file)) image_data = data['imageData'] img = utils.img_b64_to_arr(image_data) # 解析标注形状 label_name_to_value = {'_background_': 0} for shape in data['shapes']: label_name = shape['label'] if label_name not in label_name_to_value: label_name_to_value[label_name] = len(label_name_to_value) # 生成标签图 lbl = utils.shapes_to_label( img.shape, data['shapes'], label_name_to_value ) # 保存原始图像 base_name = os.path.splitext(os.path.basename(json_file))[0] Image.fromarray(img).save(os.path.join( output_dir, 'JPEGImages', base_name + '.jpg' )) # 保存标签图 utils.lblsave(os.path.join( output_dir, 'SegmentationClass', base_name + '.png' ), lbl) return label_name_to_value

注意：转换过程中需要特别注意颜色映射的一致性。Labelme使用随机颜色进行可视化，但实际保存的PNG标注图应为单通道，像素值对应类别ID。

2.3 数据集划分与元数据生成

完成格式转换后，需要将数据集划分为训练集、验证集和测试集。以下代码展示了如何随机划分数据集并生成对应的txt文件：

import os import numpy as np def split_dataset(image_dir, output_dir, ratios=(0.7, 0.2, 0.1)): """划分数据集为训练集、验证集和测试集""" all_files = [f.split('.')[0] for f in os.listdir(image_dir) if f.endswith('.jpg')] np.random.shuffle(all_files) n_total = len(all_files) n_train = int(n_total * ratios[0]) n_val = int(n_total * ratios[1]) train_files = all_files[:n_train] val_files = all_files[n_train:n_train+n_val] test_files = all_files[n_train+n_val:] os.makedirs(os.path.join(output_dir, 'ImageSets', 'Segmentation'), exist_ok=True) def write_list(files, filename): with open(filename, 'w') as f: f.write('\n'.join(files)) base_path = os.path.join(output_dir, 'ImageSets', 'Segmentation') write_list(train_files, os.path.join(base_path, 'train.txt')) write_list(val_files, os.path.join(base_path, 'val.txt')) write_list(test_files, os.path.join(base_path, 'test.txt'))

3. Deeplabv3+模型适配与训练准备

Deeplabv3+作为语义分割领域的标杆模型，对输入数据有特定的要求。在完成数据准备后，还需要进行一系列的配置调整才能使模型正确识别和使用自定义数据集。

3.1 数据集配置文件修改

在PyTorch实现的Deeplabv3+代码库中，通常需要修改以下文件来适配新数据集：

1. mypath.py：添加数据集路径配置

class MyPath_PV(MyPath): @staticmethod def get_path(): return { 'data': '/path/to/your/VOCdevkit', 'seg': 'VOC2012', 'num_classes': 21 # 修改为你的类别数+1（包含背景） }

2. datasets/your_dataset.py：创建数据集类

class VOCSegmentation(data.Dataset): NUM_CLASSES = 5 # 你的实际类别数 def __init__(self, args, split='train'): # 实现数据集加载逻辑 pass

3. utils.py：添加颜色映射

def get_pv_labels(): return np.array([ [0, 0, 0], # 背景 [128, 0, 0], # 类别1 [0, 128, 0], # 类别2 [128, 128, 0], # 类别3 [0, 0, 128] # 类别4 ])

3.2 模型训练参数配置

Deeplabv3+的训练参数需要根据数据集特点进行调整。以下是一组适用于中等规模数据集的推荐参数：

启动训练的命令示例：

python train.py --dataset PV --backbone resnet --lr 0.007 \ --epochs 50 --batch-size 8 --gpu-ids 0

4. 常见问题排查与性能优化

在实际项目中，从数据准备到模型训练往往会遇到各种预料之外的问题。本节将针对典型问题提供解决方案。

4.1 标注与训练中的常见错误

问题1：标注图与原始图像尺寸不匹配

• 现象：训练时抛出维度不匹配错误
• 解决方案：确保Labelme保存的JSON与原始图像对应，转换时检查尺寸一致性

问题2：类别ID不连续导致预测错误

• 现象：模型输出中出现未定义的类别颜色
• 解决方案：检查label.txt文件，确保类别ID从0开始连续编号

问题3：内存不足导致训练中断

• 现象：CUDA out of memory错误
• 解决方案：
  • 减小batch_size
  • 降低crop_size
  • 使用更轻量的backbone（如mobilenet）

4.2 数据增强策略

适当的数据增强可以显著提升模型泛化能力。推荐以下增强组合：

from torchvision import transforms train_transform = transforms.Compose([ transforms.RandomHorizontalFlip(p=0.5), transforms.RandomVerticalFlip(p=0.5), transforms.RandomRotation(15), transforms.ColorJitter( brightness=0.2, contrast=0.2, saturation=0.2 ), transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] ) ])

4.3 模型推理与部署

训练完成后，可以使用以下代码进行单张图像的预测：

def predict(image_path, model, device): # 预处理 image = Image.open(image_path).convert('RGB') input_tensor = transform(image).unsqueeze(0).to(device) # 推理 model.eval() with torch.no_grad(): output = model(input_tensor) # 后处理 pred = output.argmax(1).squeeze().cpu().numpy() return pred

对于生产环境部署，建议将模型转换为ONNX或TorchScript格式以提高推理效率。