视觉学习篇——Labelimg学习

---

前言

上回书说到，你已经成功入坑深度学习，接下来我将带你完成yolov5的学习，现在请开启你第一阶段的任务，打标！

---

一、打标是什么？

嘿嘿嘿~很有意思的事情。纯体力无脑力的重复性工作，对于像你这样的萌新简直太友好了诶。
在训练模型前，我们需要准备我们的数据集。那么针对yolov5目标检测之类的模型的话，我们就要准备我们的图像数据集。labelimg就是制作图像数据集的常用工具之一。

二、labelimg是什么？

LabelImg​​ 是开源的图像目标检测标注工具，基于 ​​Python​​ 与 ​​PyQt5​​，可在 ​​Windows、Linux、macOS​​ 上运行。
支持主流标注格式：​​PASCAL VOC（XML）​​、​​YOLO（TXT）​​，并支持 ​​CreateML（JSON）​​；适合为 ​​目标检测​​、​​图像分类​​ 等任务快速构建数据集。

三、使用步骤

1、安装labelimg

这里建议我们使用cond创建一个打标环境，每次执行打标任务的时候使用即可

conda create -n labelimg python=3.9
conda activate labelimg
#安装依赖：
pip install PyQt5 lxml
#安装工具：
pip install labelimg

清华源的速度还是挺快的

2、使用教程

打开labelimg

#在安装环境下输入(注意大小写区分，Windows系统全为小写，linux系统I为大写)
labelImg

ubuntu系统labelimg操作界面是中文的，非常方便大家操作

设置自动保存

点击查看

选择自动保存模式

打标过程

在实际打标过程中，所有待标注图像一般会放在一个文件夹中如img,我们点击打开目录选择该文件夹（再次强调路径的重要性）


选择图像文件夹后，会跳出annotations的保存路径，一般指标签文件的保存路径，与改变存放目录功能相同

我这里在img同级目录下新建一个ann文件夹并选择
choose之后在labelimg界面的右下角会显示图像文件夹内的所有图片路径，我们双击打开

这张图片是以前做某比赛时候拍摄的，看到这个大家应该就能猜到，在这张图片中，我们要用矩形框将图像中的红色辣椒标注出来

这里给出打标的快捷键

• W：创建区块

• D：下一张图片

• A：上一张图片

标注

按下W时，会出现与鼠标同步的黑色十字线

标注时与截图功能类似，按住左键会自动创建可自由变换的矩形预选框，我们拖动到合适的位置后松手

这时会跳出一个标签栏，我们需要在这里输入该标签名称，这里我输入lajiao并点击OK

此时右侧标签栏中会出现相同名称的词条，点击该词条可以发现它与我们刚才框住的范围对应。
此时你完成了对这张图片的标注任务
按下D，切换到下一张，重复上述操作即可

全部标注完毕后，我们可以在标签文件夹中查看产生的标签文件

文件夹存放与图像名称相同的xml标签文件。
可以通过点击切换标签文件按钮切换保存标签格式

VOC->xml
YOLO->txt
ML->json

3、标注标准

对于不同的待测物体的标注标准是不同的，这取决于模型建立者的思想。一般来说，我们应该完全框住待测物体并且应当留一定的空白，而不是紧贴着待测物体的边缘。标准如图

4、可能遇到的问题

• 我的标注框为什么只能标注矩形？
  这里你应该触动了矩形标注的快捷键了，我们进行切换，按住Ctrl+shift+=，三个按键可以实现标注模式的切换

• 如何删除标签？
  选中你刚才打的标签框按delete键即可删除

• 
  对当前以及之前的操作是否保存，YES or NO,看一下是否打开了自动保存模式

• 我之前明明已经打好标了，为什么我打开图像文件夹后标签栏没有显示标签？
  点击改变存放目录，手动选择你的标签文件夹重新加载一下

---

总结

打标工作是一个CV工程师的必备技能，一般来说对于一个刚进实验室学习的小白来说，除了学习任务，接到的第一个任务就是给学长学姐打标，这个数量由几百到几千不等（学长打过过万的…都是泪），由于这项工作过于枯燥和无聊，导致伸手大家的厌恶。
但是，话又说回来了，打标工作可以反应出一个同学的心态和对待事物的态度。因为在可能高度重复劳作中大家或多或少或出现烦躁情绪，这时候产出的标签是否达标就尤为重要。诶~情绪你可以有，但是任务，必须保质保量完成！
对于模型来说，标签的质量会直接影响最后的检测结果。所以大家在打标的时候还是要认真听学长学姐的要求。因为如果让你返工，那又得浪费大量的时间，甚至会葬送一次比赛，所以大家在对待这项任务的时候还是要细心一点的哦~
就这样，如果你有什么其他问题欢迎在评论区交流，拜拜~