图片标注工具LabelImg使用教程

项目地址:LabelImg
下载地址:Windows/Linux
百度云备份:最近几个版本 密码: cnn6

前言

我们知道,图片标注主要是用来创建自己的数据集,方便进行深度学习训练。本篇博客将推荐一款十分好用的图片标注工具LabelImg,重点介绍其安装以及使用的过程。如果想简便,请直接下载打包版本(下载地址见开头),无需编译,直接打开就能用!

在此感谢原作者在Github所做的贡献,博主发现软件一直在更新,各位小伙伴可以关注其最新版本。这款工具是全图形界面,用Python和Qt写的,最牛的是其标注信息可以直接转化成为XML文件,与PASCAL VOC以及ImageNet用的XML是一样的。

PS.作者在5月更新了代码,现在最新的版本号是1.3.0,博主亲测,源代码在Windows 10和Ubuntu 16.04上运行正常。

Ubuntu源码安装

由于Ubuntu系统自带python,这款软件在Ubuntu环境下的安装是最方便的。软件要求python版本在2.6以上,同时需要PyQt和lxml的支持。

Python2+Qt4

sudo apt-get install pyqt4-dev-tools
sudo pip install lxml
make qt4py2
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

### 如何使用 LabelImg 进行数据集标注 LabelImg 是一款基于 Python 和 Qt 的图形化图像标注工具,广泛应用于机器学习项目中的目标检测任务。该软件支持多种格式的标签文件导出功能。 #### 安装依赖库 为了能够顺利运行此应用程序,在命令行输入如下指令来安装必要的包[^1]: ```bash pip install pyqt5 lxml ``` #### 下载并编译源码 可以从 GitHub 上获取最新版本的 LabelImg 源代码,并按照给定说明完成构建过程[^2]: 通过 Git 克隆仓库或者直接下载 ZIP 文件解压到本地目录下;进入项目根路径执行 `make` 命令即可生成可执行文件。 #### 启动程序 当一切准备就绪之后,可以通过双击桌面上创建好的快捷方式图标启动应用,也可以在终端里键入相应脚本名称来进行调用[^3]。 #### 使用界面简介 打开后的主窗口由菜单栏、工具条以及工作区三部分组成。其中最为重要的就是位于中央位置的工作区域——这里用来显示待处理图片及其对应的矩形框标记信息[^4]。 #### 开始标注流程 加载要编辑的照片集合之前先设置好保存 XML 格式的默认地址。点击 “Change default saved annotation folder”,选择合适的存储地点。接着利用左侧导航树状结构浏览指定文件夹内的所有项,右键单击某一项后选取“Open Dir”选项卡以读取整个序列的内容。此时可以逐张查看每一张照片并对感兴趣的目标绘制边界框,同时为其分配类别标签。完成后记得及时提交更改记录以便后续查阅[^5]。 #### 导出结果 一旦完成了全部样本的数据整理作业,则可通过 File 菜单项下的 Save 功能把最终版的 Pascal VOC 或者 YOLO 类型的结果另存为其他形式供训练模型时采用[^6]。 ```python from labelimg import * if __name__ == '__main__': app = QApplication([]) win = MainWindow() win.show() sys.exit(app.exec_()) ```
评论 212
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值