将labelme标注的分割数据集，转化为YOLOv8识别的.txt文件数据集分为两部分，第一部分先将labelme标注的分割数据集转化为coco格式的文件，第二步，在将coco格式的JSON文件转化为yolo格式的txt文件
第一部分：将labelme标注的分割数据集转化为coco格式的文件
第一步
首先建立一个文件夹mydataset，里面包含四个文件，文件夹里包含labelme2cocoAll.py，roadscene_val，roadscene_train，annotations这四个文件，其中roadscene_train里为作为训练集用的原始labelme标注的图片以及对应的JSON文件，roadscene_val里为作为验证集的图片和对应的JSON文件， annotations一开始为空。
labelme2cocoAll.py 文件的链接：
链接: https://pan.baidu.com/s/1NXLLR7tzDKtNfzEVB5ntxA?pwd=6666 提取码: 6666
第二步
1. win+r ,输入CMD进入管理员模
2. conda activate进入base环境
3. conda info --env,选择pytorch的环境
4. 然后cd Desktop\mydataset文件夹(因为直接建在桌面了）
第三步
annotations一开始为空，当执行
python labelme2cocoAll.py roadscene_train --output roadscene_train.json
，之后出现出现save coco json 和roadscene_train.json后再执行下一句
python labelme2cocoAll.py roadscene_val --output roadscene_val.json
之后出现save coco json 和roadscene_val.json
会生成roadscene_train.json，roadscene_val.json这两个文件,，这两个文件就是转化为了coco格式，分别对应训练集和验证集，将这两个文件转移到annotations文件夹里
第二部分：COCO数据集转化为YOLO格式数据集
第一步:创建本地文件夹JSON2YOLO,克隆github上的文件
然后去github(需要梯子）克隆repo到本地 The https://github.com/ultralytics/COCO2YOLO repo contains code to convert JSON datasets into YOLO (darknet) format. The code works on Linux, MacOS and Windows
克隆repo到本地
git clone https://github.com/ultralytics/JSON2YOLO
执行
cd JSON2YOLO （路径换成自己的）
pip install -r requirements.txt
第二步，复制文件，并修改 两处 代码
复制文件general_json2yolo.py然后改名为my_json2yolo.py
修改my_json2yolo.py其中的两处代码：
第一处
if source == 'COCO': convert_coco_json('../mydataset/annotations', # directory with *.json use_segments=True, cls91to80=False)，红色的地方换成自己annotations文件的路径
第二处
函数 def convert_coco_json(json_dir='../coco/annotations/', use_segments=False, cls91to80=False): 中修改一句，把‘-1’去掉。
#cls = coco80[ann['category_id'] - 1] if cls91to80 else ann['category_id'] - 1 # class
cls = coco80[ann['category_id'] - 1] if cls91to80 else ann['category_id'] # class
第三步，执行python my_json2yolo.py
执行 python my_json2yolo.py
接着会在 ..\JSON2YOLO\new_dir\labels 文件夹下产生roadscene_train和 roadscene_val子文件夹， roadscene_train和roadscene_val子文件夹下是各图片的YOLO格式的标注 文件。
