Labelme标注数据清洗实战:用Python批量重命名、替换和删除特定标签(附完整代码)

news2026/4/30 9:21:03
Labelme标注数据清洗实战Python自动化处理标签体系的三大核心场景当你完成一轮图像标注后突然发现标签体系需要调整——可能是命名不规范需要统一可能是类别定义需要修改甚至是某些冗余类别需要删除。手动修改每个JSON文件不仅耗时还容易出错。本文将带你用Python实现Labelme标注数据的自动化清洗覆盖标签重命名、精确替换和安全删除三大高频需求场景。1. 环境准备与数据备份策略在开始任何数据清洗操作前建立可靠的工作环境是首要任务。我们建议使用Python 3.8环境并安装必要的依赖库pip install labelme numpy pandas创建项目目录结构时遵循以下规范能大幅降低后续维护成本/project_root ├── /raw_json # 原始标注文件 ├── /backup # 备份目录 ├── /processed # 处理后的文件 └── scripts/ # 存放处理脚本重要数据安全实践在修改前自动创建备份是必须的。以下代码实现了自动备份功能import shutil from pathlib import Path def backup_json_files(src_dir, backup_dir): 自动备份JSON文件到指定目录 src_path Path(src_dir) backup_path Path(backup_dir) backup_path.mkdir(exist_okTrue) for json_file in src_path.glob(*.json): shutil.copy2(json_file, backup_path / json_file.name) print(f备份完成共备份 {len(list(src_path.glob(*.json)))} 个文件)提示建议在处理前后分别计算JSON文件的MD5校验值确保数据完整性import hashlib def calculate_md5(file_path): with open(file_path, rb) as f: return hashlib.md5(f.read()).hexdigest()2. 标签统一化去除冗余编号多人协作标注时常出现同一类别被添加不同后缀的情况如FCD1、FCD1187等。我们需要将其统一为规范名称。2.1 智能字符串处理方案原始方案直接截取前三位字符存在风险更健壮的做法是使用正则表达式识别模式import re import json from pathlib import Path def standardize_labels(json_dir, patternr([A-Za-z])\d): 使用正则表达式智能识别并统一标签名称 json_dir Path(json_dir) modified_count 0 for json_file in json_dir.glob(*.json): with open(json_file, r, encodingutf-8) as f: data json.load(f) changes_made False for shape in data[shapes]: match re.fullmatch(pattern, shape[label]) if match: new_label match.group(1) if shape[label] ! new_label: shape[label] new_label changes_made True if changes_made: modified_count 1 with open(json_file, w) as f: json.dump(data, f, indent2) print(f处理完成共修改 {modified_count} 个文件)2.2 变更验证与质量检查修改后需要验证变更的正确性。以下检查脚本可帮助发现问题def validate_standardization(json_dir, expected_labels): 验证标签标准化结果 issues [] for json_file in Path(json_dir).glob(*.json): with open(json_file, r) as f: data json.load(f) for shape in data[shapes]: if shape[label] not in expected_labels: issues.append(f{json_file.name}: 发现非预期标签 {shape[label]}) if issues: print(发现验证问题) for issue in issues[:5]: # 只显示前5个问题 print(issue) print(f...共发现 {len(issues)} 个问题) else: print(所有标签均符合预期标准)3. 精确标签替换语义化调整当需要修改类别定义时如dog→puppy精确替换是关键。我们开发了更安全的批量替换方案。3.1 安全替换实现def batch_replace_labels(json_dir, old_to_new): 批量替换标签支持多组替换 json_dir Path(json_dir) change_log {old: {total: 0, files: set()} for old in old_to_new} for json_file in json_dir.glob(*.json): with open(json_file, r, encodingutf-8) as f: data json.load(f) modified False for shape in data[shapes]: if shape[label] in old_to_new: change_log[shape[label]][total] 1 change_log[shape[label]][files].add(json_file.name) shape[label] old_to_new[shape[label]] modified True if modified: with open(json_file, w) as f: json.dump(data, f, indent2) # 生成详细变更报告 print(替换统计报告) for old_name, stats in change_log.items(): new_name old_to_new[old_name] print(f{old_name} → {new_name}:) print(f 总替换次数: {stats[total]}) print(f 涉及文件数: {len(stats[files])})3.2 替换前后可视化对比使用Labelme的Python API可以生成修改前后的可视化对比import labelme import matplotlib.pyplot as plt def visualize_changes(json_file, image_file, old_label, new_label): 可视化标签替换效果 fig, (ax1, ax2) plt.subplots(1, 2, figsize(12, 6)) # 原始标注可视化 labelme.utils.draw_label(image_file, json_file, axax1) ax1.set_title(f原始标注 ({old_label})) # 修改后可视化 modified_json json_file.with_suffix(.modified.json) labelme.utils.draw_label(image_file, modified_json, axax2) ax2.set_title(f修改后 ({new_label})) plt.tight_layout() plt.show()4. 安全删除特定标签类别删除操作不可逆需要特别谨慎。我们实现了带有多重保护的删除方案。4.1 安全删除实现def safe_delete_labels(json_dir, labels_to_delete, dry_runFalse): 安全删除指定标签支持试运行模式 json_dir Path(json_dir) deletion_report {label: {count: 0, files: set()} for label in labels_to_delete} for json_file in json_dir.glob(*.json): with open(json_file, r, encodingutf-8) as f: data json.load(f) # 先统计不修改 original_shapes len(data[shapes]) for shape in data[shapes]: if shape[label] in labels_to_delete: deletion_report[shape[label]][count] 1 deletion_report[shape[label]][files].add(json_file.name) # 实际删除操作 if not dry_run: data[shapes] [s for s in data[shapes] if s[label] not in labels_to_delete] if len(data[shapes]) ! original_shapes: with open(json_file, w) as f: json.dump(data, f, indent2) print(删除操作统计报告) for label, stats in deletion_report.items(): print(f标签 {label}:) print(f 总删除数量: {stats[count]}) print(f 涉及文件数: {len(stats[files])}) if dry_run: print(\n注意当前为试运行模式未实际修改文件)4.2 删除后数据完整性检查删除操作可能影响其他处理逻辑需要验证数据完整性def post_deletion_validation(json_dir): 验证删除操作后的数据完整性 issues [] empty_files [] for json_file in Path(json_dir).glob(*.json): with open(json_file, r) as f: data json.load(f) if not data[shapes]: empty_files.append(json_file.name) # 检查每个shape的结构完整性 for i, shape in enumerate(data[shapes]): if not all(k in shape for k in [label, points, shape_type]): issues.append(f{json_file.name}: 第{i}个shape结构不完整) if issues or empty_files: if empty_files: print(f警告发现 {len(empty_files)} 个空标注文件) if issues: print(f发现 {len(issues)} 个结构问题) else: print(所有文件通过完整性检查)5. 高级技巧与性能优化当处理大规模标注数据集时效率成为关键考量。以下是几个提升处理速度的技巧并行处理实现from concurrent.futures import ThreadPoolExecutor import multiprocessing def parallel_process_json(json_dir, process_func, max_workersNone): 并行处理JSON文件 json_files list(Path(json_dir).glob(*.json)) max_workers max_workers or multiprocessing.cpu_count() * 2 with ThreadPoolExecutor(max_workersmax_workers) as executor: results list(executor.map(process_func, json_files)) return results内存优化方案import ijson def stream_parse_large_json(json_file): 流式处理大JSON文件 with open(json_file, rb) as f: for prefix, event, value in ijson.parse(f): if prefix.endswith(.label): # 在此处处理标签 pass变更追踪与审计日志import logging from datetime import datetime def setup_audit_log(): 配置审计日志系统 logger logging.getLogger(labelme_cleaner) logger.setLevel(logging.INFO) log_file flabelme_clean_{datetime.now().strftime(%Y%m%d_%H%M%S)}.log file_handler logging.FileHandler(log_file) formatter logging.Formatter(%(asctime)s - %(levelname)s - %(message)s) file_handler.setFormatter(formatter) logger.addHandler(file_handler) return logger

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2568337.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…