训练分割模型，第一步是给图片画标注，开源工具里 labelme 用得最多。它是 Python 写的桌面程序，画多边形、打标签、导出掩膜一条龙，语义分割和实例分割的数据都拿它标。

安装到出第一张标注

装好 Python 环境后命令行执行 pip install labelme，装完直接敲 labelme 回车，窗口就起来了。打开图片目录，右侧标签列表先编辑好类别名，比如 person、car，再选左侧多边形工具沿目标边缘点一圈，双击闭合，弹窗里填标签。它更新比较勤，界面和脚本名偶尔会变，命令对不上时先看仓库里对应版本的说明。

保存出来的东西怎么用

每标完一张图，同目录会生成一个同名 json 文件，记录原图路径、尺寸和每个多边形的顶点坐标加标签，用 Python 标准库就能读，重点看 shapes 字段，每个元素带 label 和顶点坐标。json 里默认还内嵌了原图的 base64 数据，文件比图片还大，新版本可以在设置里关掉，体积会小很多。训练前要把 json 转成掩膜图：老版本自带 labelme_json_to_dataset 命令，一次转一张；批量转 VOC 或 COCO 格式，用仓库 examples 目录下的转换脚本跑一遍整个目录。

标注效率的小习惯

  • 开自动保存，画崩了也不怕丢
  • 类别名单独存一份文件，多人标注时统一加载，避免你叫 car 我叫汽车
  • 放大到 200% 以上再描边，掩膜边缘毛糙多半是描得糙，不是模型的问题
  • 被遮挡、只露一半的目标单独定标签或加后缀，训练时好筛难样本
  • 标注量大了定期备份 json，原图丢了还能重新画，json 丢了等于全部重标

它和 labelImg 的分工很清楚：labelImg 画矩形框做目标检测，labelme 画多边形做分割，按任务选工具。个人科研和公司内部标注用它都没问题，标注量上来之后，可以再上交互式分割辅助，人只负责修边缘。