【深度学习样本准备系列】——标注工具:labelImg工具安装使用

本文详细介绍labelImg图像标注工具的安装与使用流程,包括在Windows 64位环境下使用Anaconda进行安装的方法,以及常见错误的解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先工具链接:https://github.com/csq20081052/labelImg        戳这里:点击打开链接

该工具很方便,能够加载图像与文件夹,可自行定义图像类别(原工具已经预先分了常用的人,车,猫……等类别);

链接中支持多种方式的安装使用方法,本文主要讲在win64下 anaconda方式的安装与使用。

本人安装内容如下:


Anaconda版本:Anaconda3-4.2.0-Windows-x86_64.exe
Python版本:3.5
PyQt版本:pyqt=5

Step1: 去labelImg链接下载整个文件,解压生成:labelImg-master 这么个文件夹;

记住这个文件夹的目录,我的目录是:E:\App_install\labelImg-master

Step2: 打开 Anaconda promot (类似cmd的命令窗口),将目录切换到step1中所在目录:
cd  E:\App_install\labelImg-master

Step3:按照如下所示输入命令:

即首先输入:conda install pyqt=5

这一步一般没啥问题,会后台自动下载对应的软件并安装;

接着暗转完后输入:pyrcc5 -o resources.py resources.qrc

正常情况下你能在 labelImg-master目录下能够看到resources.py、resources.qrc这两个文件。

如果这一步提示出现:from PyQt5.QtCore import PYQT_VERSION_STR, QDir, QFile ImportError: DLL load failed: 找不到指定的模块。 这种错误的话,你需要去拷贝个python3.dll文件;

解决这个问题的话你先去 https://www.python.org/downloads/windows/ 下载个符合你系统配置的python,直接安装,记住安装目录,安装完下载后的python,去其安装目录下找到 python3.dll文件,将其拷贝到anaconda的安装目录下:我的目录是:E:\App_install\Anaconda3
完成如上步骤后再在命令行窗口输入: pyrcc5 -o resources.py resources.qrc 这时就不再报错了。
Step4:在命令行输入: python labelImg.py 就会运行 labelImg-master目录下的 labelImg.py这个文件了。打开窗口界面如下:
open 加载一张图像,按快捷键“W"可在图像上框选box,松开鼠标后弹出label标签定义,然后点击save即可保存成默认的xml文件。其他小功能自行摸索下吧。还是很方便的,不过得花时间去打标了。

其中报错问题参考:https://blog.youkuaiyun.com/ltime/article/details/71403947

### 如何使用 LabelImg 对焊缝数据集进行标注 为了准备用于训练 YOLOv8 的焊缝检测模型,需要先对图像中的焊缝缺陷进行精确标注LabelImg 是一款常用的图形化图像标注工具,支持多种格式的输出。 #### 安装 LabelImg 工具 首先安装 Python 和 pip 后,在命令行执行如下命令来安装 LabelImg: ```bash pip install labelimg ``` 如果遇到权限问题可以尝试加上 `--user` 参数或使用管理员模式运行命令提示符。 #### 打开并设置 LabelImg 启动 LabelImg 可通过命令行输入以下指令: ```bash labelImg ``` 这将在默认情况下打开 GUI 应用程序窗口。接下来按照下列操作完成初始化配置: - **更改保存目录**:点击菜单栏上的 “Change Save Dir”,选择希望保存 XML 文件的位置。 - **切换到 Pascal VOC 格式**:由于提到的数据集中包含了 XML 文件作为标注结果[^2],因此应确保选择了正确的导出格式。可以通过顶部菜单选项 "Preferences" -> "Format" 来调整,默认为 PASCAL_VOC。 #### 开始标注过程 对于每一张待处理的照片: - 导入要标记的第一张图片(File->Open Next 或者 Ctrl+N),之后会自动加载同一文件夹下的其他照片; - 使用鼠标左键拖拽绘制矩形区域覆盖住目标物体——即此处所说的各类焊接瑕疵部位; - 输入相应的标签名称,比如裂缝(Crack),气孔(Porosity)等具体分类; - 点击“Create RectBox”按钮确认当前选区,并重复上述动作直至该图内所有感兴趣的对象都被圈定完毕; - 当前页面右下角有快捷方式可以直接跳转至下一幅未编辑过的素材继续工作流程; 每次创建新的 bounding box 时都会弹出对话框让用户指定所属种类,务必仔细核对无误后再提交。 #### 输出标注成果 当全部样本都经过人工审核后,记得再次核查一遍已有的 annotation 是否存在错误之处。最后关闭软件之前别忘了检查是否已经成功生成了对应数量的 .xml 文档,这些将是后续构建深度学习框架不可或缺的一部分资源。 #### 转换标注格式 (可选) 考虑到某些神经网络可能更倾向于特定类型的元数据表示方法,有时还需要额外做一次转换作业。例如从原始的 Pascal VOC style 改编成 Darknet/YOLO compatible version,则借助第三方脚本或者库函数即可轻松实现自动化迁移。 ---
评论 2
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