目标检测---利用labelimg制作自己的深度学习目标检测数据集

本文详细介绍了如何在Windows上安装并使用Labelimg进行VOC、YOLO和createML格式的数据标注,包括数据准备、设置和标注流程,以及关键步骤的快捷键指导。

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

目录

1  labelimg介绍

2  labelimg的安装

3  使用labelimg

3.1 数据准备

3.2  标注前的一些设置

3.3 开始标注


1  labelimg介绍

  Labelimg是一款开源的数据标注工具,可以标注三种格式。

       1  VOC标签格式,保存为xml文件。

       2  yolo标签格式,保存为txt文件。

       3 createML标签格式,保存为json格式。

2  labelimg的安装

       这里主要讲的是在window系统中的安装,首先打开cmd命令行(快捷键:win+R)。进入cmd命令行控制台。输入如下的命令:

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

       运行如上命令后,系统就会自动下载labelimg相关的依赖。由于这是一个很轻量的工具,所以下载起来很快,当出现如下红色框框中的告诉我们成功安装的时候,说明labelimg安装成功了。

3  使用labelimg

3.1 数据准备

        首先这里需要准备我们需要打标注的数据集。这里我建议新建一个名为VOC2007的文件夹(这个是约定俗成,不这么做也行),里面创建一个名为JPEGImages的文件夹存放我们需要打标签的图片文件;再创建一个名为Annotations存放标注的标签文件;最后创建一个名为 predefined_classes.txt 的txt文件来存放所要标注的类别名称。

VOC2007的目录结构为:

├── VOC2007
│├── JPEGImages  存放需要打标签的图片文件
│├── Annotations  存放标注的标签文件
│├── predefined_classes.txt  定义自己要标注的所有类别(这个文件可有可无,但是在我们定义类别比较多的时候,最好有这个创建一个这样的txt文件来存放类别

3.2  标注前的一些设置

         首先在JPEGImages这个文件夹放置待标注的图片,这里是三类图片,分别是人、狗和猫。

        然后再 predefined_classes.txt 这个txt文档里面输入定义的类别种类;如下图所示。

         打开cmd命令终端(快捷键:win+R)。进入到刚刚创建的这个VOC2007路径(这个很重要,涉及到能不能利用predefined_classes.txt 这个txt文件中定义的类别,我在这里卡了很久,一度以为不能显示txt文件中定义的类别是我安装有问题)。执行如图中的命令进入到VOC2007路径下(每个人的路径都不一样,按个人的路径去写)如下图所示:可以看到进入到相应的目录了。

 

         输入如下的命令打开labelimg。这个命令的意思是打开labelimg工具;打开JPEGImage文件夹,初始化predefined_classes.txt里面定义的类。

labelimg JPEGImages predefined_classes.txt

          运行如上的命令就会打开这个工具;如下。 

        下面介绍图中的我们常用的按钮。         

 待标注图片数据的路径文件夹,这里输入命令的时候就选定了JPEGImages。(当然这是可以换的)

保存类别标签的路径文件夹,这里我们选定了Annotations文件夹。

这个按键可以说明我们标注的标签为voc格式,点击可以换成yolo或者createML格式。

        点击View,会出现如图红色框框中的选项。最好和我一样把勾勾勾上。

        Auto Save mode:切换到下一张图的时候,会自动保存标签。

        Display Labels:会显示标注框和标签

        Advanced Mode:标注的十字架会一直悬浮在窗口。

 常用快捷键如下:

A:切换到上一张图片

D:切换到下一张图片

W:调出标注十字架

del :删除标注框框

Ctrl+u:选择标注的图片文件夹

Ctrl+r:选择标注好的label标签存在的文件夹

 3.3 开始标注

        由于我们设置标注的十字架一直在标注界面上,这就不需要我们按快捷键w,然后选定我们需要标注的对象。按住鼠标左键拖出框框就可以了。如下图所示,当我们选定目标以后,就会加载出来predefined_classes.txt  定义自己要标注的所有类别(如果类别多,是真的很方便,就不需要自己手打每个类别的名字了)。打好的标签框框上会有该框框的类别(图中由于颜色的原因不太清晰,仔细看会发现的)。然后界面最右边会出现打好的类别标签。打好一张照片以后,快捷键D,就会进入下一张,这时候就会自动保存标签文件(voc格式会保存xml,yolo会保存txt格式)。

         标签打完以后可以去Annotations 文件下看到标签文件已经保存在这个目录下。

 自此labelimg使用讲解就结束了。

### LabelImg 工具简介 LabelImg 是一款基于 Python 和 Qt 的图形化图像标注工具,主要用于创建矩形框标注(bounding box),广泛应用于计算机视觉领域中的目标检测任务。它支持导出为 Pascal VOC XML 格式或其他常见格式的数据集文件。 --- ### 安装 LabelImg #### 1. 新建虚拟环境 为了防止依赖冲突,建议先创建一个新的 Python 虚拟环境并激活[^2]: ```bash # 创建虚拟环境 (venv) python -m venv labelimg_env # 激活虚拟环境 source labelimg_env/bin/activate # Linux/MacOS labelimg_env\Scripts\activate # Windows ``` #### 2. 安装 LabelImg 可以通过 pip 或源码方式安装 LabelImg。以下是两种常见的安装方法: - **通过 pip 安装** ```bash pip install labelimg ``` - **通过源码编译安装** 如果需要自定义功能或最新版本,可以从 GitHub 上克隆项目并手动构建[^3]: ```bash git clone https://github.com/tzutalin/labelImg.git cd labelImg # 安装依赖项 pip install pyqt5 lxml # 编译资源文件 make qt5py3 # 执行程序 python labelImg.py ``` --- ### 启动与使用 LabelImg #### 1. 启动 LabelImg 完成安装后,可以直接运行以下命令启动软件[^1]: ```bash labelImg ``` 如果是从源码安装,则执行 `python labelImg.py` 即可。 #### 2. 基本操作流程 - **加载图片**: 点击菜单栏的 “Open Dir”,选择包含待标注图片的文件夹。 - **设置保存路径**: 点击 “Change Save Dir” 设置标签文件存储位置。 - **切换类别**: 在左侧下拉列表中选择当前对象所属类别。 - **绘制边界框**: 鼠标左键拖拽绘制矩形框,覆盖目标区域。 - **保存标注**: 绘制完成后点击键盘上的快捷键 Ctrl+S 或者点击菜单栏的 “Save”。 更多高级功能可通过官方文档进一步学习。 --- ### 示例代码片段 以下是一个简单的脚本用于验证 LabelImg 是否正常工作以及查看其默认配置参数: ```python import subprocess def check_labelimg(): try: result = subprocess.run(['labelImg', '--version'], capture_output=True, text=True) print(f"LabelImg Version: {result.stdout.strip()}") except FileNotFoundError: print("Error: LabelImg is not installed or the command 'labelImg' is not recognized.") check_labelimg() ``` --- ### 注意事项 在实际应用过程中需要注意以下几点: - 图片分辨率应适配模型输入尺寸,过低可能导致标注精度下降。 - 对于大规模数据集,推荐批量处理以提高效率。 ---
评论 186
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

打赏作者

炮哥带你学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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