1. 从“中断”到“续写”为什么需要继续标记做图像标注的朋友十有八九都遇到过这个场景你打开labelme对着几百张图片吭哧吭哧标了十几张突然电脑卡死、软件闪退或者临时有急事不得不中断。等你再回来打开软件面对空白的界面是不是瞬间头大刚才标到哪张了那些画好的多边形、矩形框难道要全部重来更常见的情况是一个大型标注项目往往需要多人协作或分阶段完成。比如你先标注了所有图片中的“汽车”下一阶段需要在此基础上为同一批图片再标注“行人”和“交通灯”。如果每次都要从头加载图片、重新定位那效率就太低了而且无法保证标注对象在不同类别下的位置一致性。所以“使用上次的标记结果继续制作标签”这个需求绝不是偷懒而是图像标注工作流中一个非常核心、提升效率与质量的关键环节。它解决的是工作的“连续性”和“可迭代性”问题。labelme作为一款灵活的开源标注工具其设计本身就考虑到了这一点它通过一种轻量级的、基于JSON文件的标注数据存储方式完美支持了“断点续标”和“增量标注”。简单来说labelme每标注完一张图片都会在同目录下生成一个与图片同名的.json文件。这个JSON文件就是你的“存档点”里面完整记录了这张图片上所有标注的形状、位置、类别等信息。下次你想在这张图的基础上新增、修改或删除标注直接让labelme读取这个JSON文件即可它会自动加载图片并还原你上次所有的标注状态让你可以无缝衔接。接下来我就以一个资深标注员的视角带你彻底搞懂labelme续标的全流程从原理到实操再到那些官方文档里不会写的“坑”和技巧。2. 理解labelme的“记忆”核心JSON标注文件解析要想熟练地进行续标你必须先和labelme的“记忆体”——JSON文件——成为朋友。知其然更要知其所以然这样遇到任何奇怪的问题你都能自己排查。当你用labelme保存一张图片的标注时快捷键CtrlS它会生成一个如image_001.jpg.json的文件。我们用文本编辑器打开它会看到类似下面的结构我做了精简和注释{ version: 5.1.1, flags: {}, shapes: [ { label: cat, points: [[125.4, 256.8], [345.2, 256.8], [345.2, 456.1], [125.4, 456.1]], group_id: null, shape_type: polygon, flags: {} }, { label: dog, points: [[400, 300], [550, 300], [550, 450]], group_id: null, shape_type: rectangle, flags: {} } ], imagePath: image_001.jpg, imageData: ...(很长的一串base64编码的图片数据)..., imageHeight: 720, imageWidth: 1280 }我们来拆解每个关键字段这关系到你续标时的一切操作imagePath: 这是最重要的字段之一它记录了标注所对应的原始图片的相对路径。labelme在打开JSON文件时就是靠这个路径去找到并加载图片的。如果这个路径错了比如图片被移动了就会导致“找不到图片”的错误。imageData: 这是一个可选的字段包含了经过base64编码的图片数据本身。它的存在是为了“自包含”即即使原始图片丢失仅凭JSON文件也能还原出图片进行显示。但是这会导致JSON文件变得非常大。在labelme的设置里你可以选择是否保存imageData。对于续标工作流我强烈建议不要保存imageData以保持JSON文件小巧提高加载速度。只要保证imagePath正确labelme就能找到原图。shapes: 标注的核心一个列表包含了这张图上所有的标注形状。每个形状是一个字典里面有label: 你为这个形状指定的类别标签如“cat”、“dog”。points: 形状的顶点坐标列表。对于多边形(polygon)就是多个点对于矩形(rectangle)就是左上和右下两个点。shape_type: 形状类型如polygon多边形、rectangle矩形、circle圆形、line线、point点。group_id: 用于分组。如果你将多个形状如一个人的头部和身体设为同一个group_id那么移动其中一个同组的其他形状会一起移动。这在续标时添加关联物体非常有用。imageHeightimageWidth: 图片的尺寸。用于在校验和显示时确定坐标范围。关键经验很多人在团队协作时把图片和JSON文件一起打包发给同事同事却打不开。90%的原因出在imagePath上。如果你们的文件目录结构不同这个相对路径就会失效。最佳实践是团队统一使用绝对路径或者更常见的将图片和JSON文件放在同一个文件夹下并且imagePath只写文件名如”image_001.jpg”。这样只要保证图片和JSON文件在同一个目录无论这个目录在哪台电脑上都能正确打开。理解了JSON文件你就掌握了labelme的“存档格式”。续标本质上就是“读取存档 - 编辑 - 保存新存档”的过程。3. 续标标准操作流程从打开到保存的完整指南理论清晰了我们进入实战。假设你有一个文件夹project_01里面有一些图片img1.jpg,img2.png…以及你上次标注生成的部分JSON文件img1.jpg.json,img2.png.json。3.1 启动与打开两种高效方式方式一通过“Open”菜单打开单个JSON文件最常用这是最直观的方式适用于对特定图片进行精细修改或增量标注。启动labelme。如果你是用Anaconda环境安装的记得先激活环境conda activate labelme_env假设你的环境名是labelme_env再输入labelme启动。在labelme界面点击菜单栏的File - Open或快捷键CtrlO。在弹出的文件浏览器中导航到你的项目文件夹并选择你要继续标注的那个.json文件例如img1.jpg.json。点击打开。此时labelme会做三件事 a. 解析JSON文件读取imagePath。 b. 根据imagePath去加载对应的图片img1.jpg。如果图片就在JSON文件旁边且imagePath正确瞬间加载。 c. 将shapes数组中的所有形状按照points坐标和shape_type在图片上完美地复原出来。现在你看到的界面就是上次标注保存时的完整状态可以开始你的续标工作了。方式二通过“Open Dir”打开包含JSON的目录批量处理视角当你需要检查一个文件夹下所有已标注和未标注的图片并决定从哪张继续时这个方法更高效。在labelme界面点击File - Open Dir。选择你的项目文件夹project_01。labelme会加载该目录下它支持的所有图片格式文件并在左侧文件列表栏显示。关键点来了如果某个图片文件如img1.jpg存在同名的JSON文件img1.jpg.jsonlabelme会在文件列表里该图片的图标上做一个标记通常是一个对勾或小点。这让你一目了然地看到哪些图已标哪些未标。在左侧列表直接点击那个已标注的图片文件名如img1.jpg。labelme会自动去寻找并加载同名的JSON文件效果与“方式一”完全相同。操作心得我强烈推荐在开始一个标注项目时就使用“Open Dir”的方式打开整个文件夹。这样左侧的文件列表就像一个进度看板你可以轻松地在不同图片间切换键盘上下方向键快速定位到需要续标的那一张上下文感非常强。3.2 进行增量标注与修改界面加载成功后你就可以像往常一样进行任何操作新增标注使用左侧的工具栏多边形、矩形、圆形等绘制新形状并输入新的label。修改现有标注移动/变形点击某个已存在的形状它的顶点会出现可拖拽的小方块。拖动这些方块可以调整形状。修改标签点击形状右侧的标签列表会选中对应的项你可以直接在那个输入框里修改文字。删除标注点击选中一个形状然后按键盘上的Delete键。使用分组在绘制新形状或修改现有形状时可以在右侧的Group ID框里输入一个数字如1。具有相同Group ID的形状会被视为一组便于统一管理。3.3 保存你的工作成果完成修改后保存是至关重要的。保存到原JSON文件直接点击File - SaveCtrlS。这会覆盖原有的img1.jpg.json文件更新其中的shapes等信息。这是最常用的方式。另存为新JSON文件如果你想保留一份修改前的版本作为备份可以使用File - Save AsCtrlShiftS换一个名字保存。但注意新JSON文件的imagePath可能还是指向原图需要根据情况处理。保存后你会发现JSON文件的内容更新了新增的形状被加入shapes列表被删除的形状从列表中移除修改过的形状points或label字段也已更新。这个JSON文件又成为了一个最新的“存档点”。4. 避坑指南续标过程中常见的“雷区”与解决方案即使流程清晰在实际项目中尤其是团队协作或跨设备工作时你一定会踩到一些坑。下面是我总结的几个典型问题及解决办法。4.1 “Could not find image…” – 图片路径丢失错误这是最高发的错误。你打开一个JSON文件labelme却弹窗提示“Could not find image…”。这意味着JSON文件里的imagePath找不到对应的图片文件。排查与解决步骤检查文件是否存在首先去JSON文件所在的目录肉眼确认一下imagePath里写的图片文件是否真的在那里。比如imagePath是”../images/img1.jpg”那就去上一级的images文件夹里找。检查路径格式绝对路径 vs 相对路径如果imagePath是像”C:\Users\Name\project\img1.jpg”这样的绝对路径而你现在换了一台电脑这个路径肯定失效。绝对路径在协作中是大忌。相对路径的基准相对路径是相对于JSON文件自身位置的。”img1.jpg”表示在同一目录”./img1.jpg”同理”../images/img1.jpg”表示在JSON文件所在目录的上一级目录的images文件夹里。终极解决方案修正JSON文件。你可以用文本编辑器如VS Code、Notepad直接打开出错的JSON文件找到”imagePath”这一行将其值修改为正确的相对路径。最保险的做法是修改为仅包含文件名例如”imagePath”: “img1.jpg”并确保图片文件和JSON文件在同一个文件夹内。然后保存JSON文件再用labelme重新打开。4.2 JSON文件损坏或无法解析有时JSON文件可能因为保存时意外中断如断电而导致格式错误labelme无法读取。现象用labelme打开JSON文件时无反应或直接报错。解决用文本编辑器打开该JSON文件检查其格式。可以尝试使用在线的JSON格式验证工具如 JSONLint粘贴内容进行检查。常见的错误是缺少逗号、括号不匹配等。如果文件最后一部分不完整可能是意外截断你可以尝试手动修复或者如果你有备份就使用备份文件。这再次说明了定期备份的重要性。一个取巧的办法如果只是shapes部分损坏但你知道原图可以创建一个新的空白JSON。用labelme打开原图然后使用File - Load Labels功能尝试加载那个损坏的JSON文件。有时labelme能读取部分未损坏的标注数据。4.3 标注形状错位或缩放异常现象重新打开JSON后标注框的位置完全不对或者变得特别大/特别小。原因这通常发生在图片本身被编辑处理过之后。例如你用Photoshop裁剪、旋转了图片或者用工具批量调整了图片尺寸但没有同步更新JSON文件中的标注信息。原理JSON文件里的points坐标是基于标注时图片的尺寸imageHeight,imageWidth的绝对或相对坐标。如果图片尺寸变了坐标系统就对不上了。解决预防优于治疗在开始标注前就完成对图片的所有预处理缩放、裁剪、格式统一。确保你标注的对象是最终要使用的版本。如果必须处理已标注的图片你需要使用脚本工具来同步更新JSON文件中的坐标。例如如果图片宽度从1000像素等比例缩放到了500像素那么所有points里的x坐标都需要乘以0.5。网上有一些现成的Python脚本如使用labelme库本身可以批量处理这种变换但这需要一定的编程能力。手动调整几乎不可能。4.4 团队协作中的版本冲突多人同时编辑同一张图片的JSON文件后保存的人会覆盖前者的工作。解决方案文件锁机制建立简单的规则比如谁要编辑某个文件就在团队聊天工具里说一声或者在一个共享的在线表格里“认领”该文件。分而治之这是更科学的方法。不要按图片来分工而是按标注类别分工。例如甲负责标注所有图片里的“A类”乙负责“B类”。你们可以使用一个脚本将多个JSON文件中的特定label的shapes合并到一起。这样大家操作的是不同的JSON文件集合从根本上避免了冲突。使用支持合并的版本管理系统虽然JSON是文本文件可以用Git管理但直接合并shapes数组冲突依然需要手动解决对非开发者不友好。更专业的做法是使用设计好的标注管理平台。5. 进阶技巧提升续标效率的实战策略掌握了基础操作和避坑方法下面分享几个能让你的续标工作事半功倍的进阶技巧。5.1 利用“自动保存”和“最近打开”功能labelme有自动保存功能在File - Save Automatically中设置间隔时间但这通常保存的是临时状态。我更依赖的是File - Recent Files菜单。它会列出你最近打开过的图片或JSON文件对于快速跳转到之前的工作上下文极其方便。养成从“Recent Files”打开的习惯能节省大量浏览文件夹的时间。5.2 标签列表的维护与复用在右侧的标签列表区你可以看到当前图片所有用过的标签。当你续标时如果要添加的类别已经存在直接在下拉框里选择会比每次都重新输入快得多而且能保证标签名称的一致性避免“cat”和“Cat”被视为两类。对于大型项目你可以在开始标注前通过创建一个labels.txt文件并在启动labelme时通过命令行参数--labels labels.txt来预定义所有标签这样标签列表从一开始就是固定的非常规范。5.3 快捷键的极致运用续标是高频操作熟练使用快捷键能让你双手不离键盘效率飙升。Ctrl O: 打开文件/JSON。Ctrl S: 保存。Ctrl Shift S: 另存为。Ctrl R: 编辑多边形时从“绘制模式”切换到“编辑顶点模式”反之亦然。这是修改已有形状最常用的键。Delete: 删除选中的形状。Ctrl Z/Ctrl Y: 撤销/重做。画错了点、误删了形状全靠它。Ctrl D: 复制选中的形状。如果你想在附近画一个同样大小和类别的物体先画一个复制再移动过去微调比重新画快。方向键↑↓在“Open Dir”模式下在文件列表间快速切换图片。把这些快捷键形成肌肉记忆你的标注速度会提升一个档次。5.4 从JSON反向生成可视化预览有时候你只是想快速检查一下某个文件夹里所有JSON文件的标注情况并不需要打开labelme一个个点开。这时可以用labelme的命令行工具生成标注预览图labelme_draw_json_annotation your_json_file.json这个命令会在同目录下生成一个your_json_file.png的图片上面画好了所有标注框。你可以写一个简单的脚本批量执行快速对标注质量进行抽查。6. 从续标到生产标注数据的管理与转换续标的终点不是保存JSON而是将标注数据用于模型训练。labelme生成的JSON格式虽然信息完整但大多数训练框架如YOLO、MMDetection、Detectron2都需要自己特定的格式如COCO JSON、YOLO TXT、Pascal VOC XML。因此一个完整的标注工作流是使用labelme进行人工标注和迭代续标产出最终的JSON文件。使用转换脚本将所有JSON文件批量转换为目标训练格式。labelme官方仓库里就提供了很多这样的转换脚本示例如labelme2coco.py,labelme2voc.py。你需要根据自己项目的需求适当修改这些脚本例如统一类别ID映射、过滤某些标签等。这里有一个至关重要的经验在转换之前务必确保你的所有JSON文件都是“最终版”。因为转换脚本通常是批量运行的一旦转换完成你再回头修改某个JSON就需要重新转换容易造成版本混乱。一个好的习惯是设立一个raw_annotations/文件夹存放所有labelme的JSON文件一个converted_annotations/文件夹存放转换后的数据。每次批量转换前确认raw_annotations/下的数据已审核无误。最后关于conda安装labelme的小贴士如果你在安装或运行中遇到问题最常见的是PyQt5的版本冲突。可以尝试创建一个干净的conda环境使用conda install pyqt来安装PyQt再用pip install labelme安装labelme这样通常能避免很多依赖问题。安装成功后那个“Open Dir”看到文件列表里一个个对勾以及“Open”一个JSON后标注瞬间重现的流畅感会让你觉得这一切的准备工作都是值得的。标注工作很枯燥但用好工具、掌握技巧就能把时间花在更有价值的判断和修正上而不是重复的机械操作上。