使用Labelimg打标教学

原创 已于 2024-08-13 11:49:03 修改 · 5.7k 阅读 · 49 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#1024程序员节 #目标检测 #数据分析

于 2022-10-24 13:26:57 首次发布
本文将指导您如何使用Labelimg进行数据集打标。首先，安装Labelimg并准备包含猫狗图片的数据集。接着，创建文件夹组织数据集，包括Annotations、JPEGImages和predefined_class。开始打标前，请在命令行中打开Labelimg，并调整设置如自动保存、显示标注框和标注模式。通过常用快捷键提高打标效率。最后，完成打标任务，确保Annotations文件夹中包含所有标注文件。

首先给出数据集图片的地址

链接：https://pan.baidu.com/s/1s9PlB7oXPrBGmmCOn-INEg 
提取码：4tux

1.在命令行里面安装Labelimg：

先激活深度学习环境

 然后开始安装

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

 安装成功

2.自己制作数据集，数据集图片在最上面的网盘链接里面，是一些猫猫狗狗的图片

可以新建一个文件夹，用来存数据集

如下图创建文件夹

 Annotations里面存的是标注的标签文件

JPEGImages里面存的是数据集图片，就是那些猫猫狗狗的图片

predefined_class里面存的是打标的类别

数据集制作完毕

3.开始打标

首先在命令行进入刚刚创建好的VOC2007文件夹

假设目标文件夹在其他盘，进入其他盘的命令：

cd  /d  其他盘下文件夹的路径

输入命令打开Labelimg

labelimg JPEGImages predefined_classes.txt

 

 

如果感觉图片有点小，可以通过ctrl + 鼠标滚轮进行放大

点击view

 

把这几个勾选上，auto save mode（切换到下一张图的时候，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

话不多说，直接开始打标

首先按一下w调出标注十字架

 然后框选住目标，再选择类别，类别是之前再txt文件里面写好的

 一张图片就这样完成了

狗狗的打标

全部完成标注之后，Annotations文件夹会存储标注文件

 

 到此为止数据集的标注任务完成了

Dragon_0010
关注
labelImg使用教程
G果的博客
10-10 3万+
Anaconda环境 安装 Anaconda 之后，在开始菜单下找到 Anaconda 文件夹 找到 Anaconda Prompt 点击运行 安装 labelImg pip install labelImg #直接命令行输入 启动 labelImg labelImg #直接命令行输入名称即可 labelImg界面 开始标注 快捷键：W（创建方框），A（上一张），D（下一张） XML文件示例 <annotation> <folder>夜读</folder>
使用LabelImg标注YOLO目标检测数据格式——LabelImg详细使用教程
JH_joker的博客
07-17 1万+
在目标检测任务中，数据标注是一个重要的环节。LabelImg是一个开源的图像标注工具，广泛应用于生成YOLO格式的标注数据。本教程将详细介绍如何使用LabelImg进行标注，并导出适用于YOLO目标检测的数据格式。通过本教程，你应该能够熟练使用LabelImg进行YOLO格式的目标检测数据标注。LabelImg是一个功能强大且易于使用的工具，希望它能帮助你在目标检测任务中事半功倍。如果你有任何问题或建议，欢迎在评论区留言讨论。
目标检测数据集标注工具LabelImg从安装到使用详解
qq_40641713的博客
02-27 4万+
本文详细介绍了目标检测数据集标注工具Labelimg的安装及使用流程。
labelImg的安装和使用
最新发布
qq_36927086的博客
10-21 424
labelimg的安装和使用
labelImg标注图像的详细教程
weixin_43978056的博客
07-07 1万+
labelImg标注图像的详细教程 一、 labelImg工具下载： 下载地址：https://pan.baidu.com/s/1hdT6bwttdH_Q-1X8SPr8nw 提取码: 5nxa。下载文件如图1-1. 图1-1 下载的labelImg.exe是编译好的可执行文件，因此直接将文件放在windows环境下，如图1-2，双击便可执行使用。 图1-2 二、 labelImg工具使用方法： 双击labelImg.exe图标如图1-2，会出现如图1-3所示的背景黑色的窗口是终端界面（无需理会）和操
labelimg读取不到标签
m0_61729640的博客
09-14 4691
使用labelimg打开其他同事传来的图像数据集时，明明有按照规定放置和命名的文件，但labelimg只能打开图片，但不能读取到对应的标签。这种问题通过使用源码解决，而非使用虚拟环境安装的labelimg
图片标注工具LabelImg使用教程
热门推荐
Jesse_Mx的博客
12-13 18万+
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。在此感谢原作者在github所做的贡献，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。Ubuntu源码安装由于Ubuntu系统自带p
模型训练之数据标注-Labelimg的使用教程（yolo标注）
笑小枫
07-09 6029
本文介绍了如何使用LabelImg工具进行图像标注。LabelImg是使用yolo进行模型训练时常用的数据集标注工具之一。使用LabelImg可以快速的标注出我们需要训练的数据集。是大模型训练的必备工具。
Labelimg打标软件
09-17
在“Labelimg打标软件windows直接使用版本”中，我们可以理解到这是专为Windows操作系统设计的Labelimg稳定版本。这个版本确保了在Windows环境下能够顺畅地运行，免去了用户配置环境或解决兼容性问题的困扰，使得...
Labelimg打标工具编译版使用介绍——免安装conda等python虚拟环境，简单易用上手快，不容易报错
blink182007的博客
01-09 1392
labelimg编译版不容易报错——预先定义标签名称，下拉即可选择，方便易上手，比直接通过pip命令安装的还要好用
labelImg数据打标
weixin_58465955的博客
04-27 1556
但打标为voc格式比较好，所以 %不用% 点击PascalVOC，点了出现yolo，表示打标为yolo格式。yolo格式转不了voc格式，voc格式可以转yolo #voc格式保存结果是xml文件，yolo格式保存结果是txt文件。W：调出标注十字架（如果只能拉出正方形：编辑edit->勾选draw squares，尝试，再取消勾选然后尝试。4，点击change save dir（改变保存目录）-->选择标签文件夹。| |------类别.txt。| |------标签。
labelImg图像打标软件win版本
09-13
win版本下的LabelImg打标软件，可以在win10、win7和win8环境下运行，避免在Linux环境下因pyQt4安装问题无法运行。本资源为加密压缩包形式，解压密码：“君渃淽水”。
labelimg打标后保存
03-26
### 如何在 LabelImg 中完成打标并正确保存标注文件 #### PascalVOC 格式的保存方法 当使用 LabelImg 工具进行图像标注时，默认情况下可以选择保存为 PascalVOC 格式。这种格式的标注文件将以 XML 文件的形式存储，...
labelimg使用教程
qq_39449202的博客
02-27 411
3.设定xml标签文件格式。4.设定图像与标签文件路径。
LabelImg的使用详细步骤介绍
2402_83140078的博客
04-21 5011
在使用LabelImg进行图像标注时，需要注意以下几点：首先，确保图像质量良好，以便更准确地标注感兴趣的区域；最后，对于大型图像或复杂的标注任务，可能需要花费一些时间来完成标注工作，因此建议耐心进行。它提供了直观的操作界面和丰富的标注功能，使用户能够轻松地对图像进行精确的标注。在使用LabelImg标注工具之前，首先需要进行一些设置工作，以确保软件的正常运行和标注结果的准确性。在如下功能按钮中选择标注格式，目前该软件内不支持标注文件的格式互换，因此必须选对自己要的格式。↑→↓← 移动选中的矩形框的位置；
labelimg打标签
weixin_43501408的博客
05-18 1504
1.激活pytorch环境。 activate pytorch-gpu 2.进入labelimg软件 labelimg 3.进入软件打标签即可。
labelimg 贴标签详细教程
qq_15060477的博客
12-16 4460
贴完标签后，标签文件在你选择的贴标文件存放目录下，我的标签文件存放在文件夹“labels”下面，这下面有两种txt文件，一种是以图像名称命名的标签文件，还有一个classes.txt标签名索引文件。标签文件内容如下，其中除了标签外，每一个数值都进行了归一化。
【工具推荐】使用LabelImg进行图像标注的详细教程（安装、使用、进阶技巧）
科技改变人类，技术成就未来
07-05 7644
LabelImg 是一个功能强大且易用的图像标注工具，广泛应用于计算机视觉领域的数据集标注。本文详细介绍了 LabelImg 的简介、安装方法以及具体的使用教程。通过这些步骤，用户可以快速上手并高效完成图像标注任务。
图片打标labelme
03-14
### Labelme 工具简介 Labelme 是一款基于 Python 的开源图形化图像标注工具，支持多种类型的标注任务，包括矩形框、多边形、线条和点等。它广泛应用于计算机视觉领域中的目标检测和语义分割任务。 --- ### 安装与启动 要使用 Labelme 进行图片标注，首先需要安装该工具： ```bash pip install labelme ``` 完成安装后，可以通过命令行启动 Labelme 并加载待标注的图片目录： ```bash labelme path_to_images/ ``` 其中 `path_to_images/` 表示存储图片的文件夹路径[^1]。 --- ### 图片标注流程 #### 1. 创建标签文件 在标注之前，通常会创建一个标签文件（如 `labels.txt`），定义所需的类别名称。例如，对于分类任务可以设置如下内容： ``` __ignore__ _background_ cat dog person ``` 上述配置表示忽略未标注区域 (`__ignore__`) 和背景区域 (`_background_`)，其余为自定义类别的名称。 #### 2. 启动标注界面 运行以下命令以开启标注模式，并指定预设好的标签列表： ```bash labelme images_folder/ --labels labels.txt ``` 这一步骤允许用户通过 GUI 界面快速切换不同对象类型进行绘制操作[^2]。 #### 3. 绘制边界框或多边形 进入软件后，在左侧栏选择对应的目标类别；接着利用鼠标拖拽的方式画出感兴趣物体的位置范围或者精确描绘轮廓线段作为掩码(mask)。 #### 4. 导出 JSON 文件 每张已完成编辑处理后的照片都会生成一份关联性的 `.json` 数据描述文档存放在同一级目录下，默认包含了所选形状参数以及附加属性信息等内容[^4]。 --- ### 转换至其他格式 如果希望进一步训练模型，则可能需要用到标准化的数据结构形式比如 PASCAL VOC XML Schema 或 COCO Json Style 。这里提供一段脚本用于转换已有的标注成果到 PascalVOC 风格上: ```python import os from labelme.utils import shape_to_mask, polygons_to_mask from PIL import Image import numpy as np import xml.etree.ElementTree as ET def save_voc_xml(filename, shapes, img_size): root = ET.Element('annotation') folder = ET.SubElement(root, 'folder').text='images' filename_node=ET.SubElement(root,'filename').text=os.path.basename(filename)+'.jpg' size = ET.SubElement(root,"size") width = ET.SubElement(size,"width").text=str(img_size[0]) height = ET.SubElement(size,"height").text=str(img_size[1]) depth = ET.SubElement(size,"depth").text="3" for i,(shape_type,label),points in enumerate(shapes,start=1): object_=ET.SubElement(root,f"object_{i}") name = ET.SubElement(object_, "name").text=label bndbox = ET.SubElement(object_, "bndbox") mask=polygons_to_mask([img_size], points) ys,xs=np.where(mask==True) xmin=min(xs);xmax=max(xs); ymin=min(ys);ymax=max(ys); ET.SubElement(bndbox,"xmin").text=str(xmin) ET.SubElement(bndbox,"ymin").text=str(ymin) ET.SubElement(bndbox,"xmax").text=str(xmax) ET.SubElement(bndbox,"ymax").text=str(ymax) tree = ET.ElementTree(root) return tree if __name__=='__main__': from glob import iglob input_dir='./data_annotated/' output_dir='./data_dataset_voc/' if not os.path.exists(output_dir):os.makedirs(output_dir) json_files=[f for f in iglob(os.path.join(input_dir,'*.json'))] with open('./labels.txt')as fin: class_names={line.strip():idx+1for idx,line in enumerate(fin.readlines())} for fname in json_files: data=json.load(open(fname)) h,w=data['imageHeight'],data['imageWidth'] shapes=[[s['shape_type'], s['label']] + [[p['x'], p['y']]for p in s['points']] for s in data['shapes'] ] voc_tree=save_voc_xml(fname.split('/')[-1].split('.')[0],shapes,[h,w]) out_name=f"{output_dir}{fname.split('/')[-1].replace('.json','.xml')}" voc_tree.write(out_name,pretty_print=True) ``` 此代码片段实现了从原始 JSON 到符合 PASCAL VOC 规范 XML 文件之间的映射关系建立过程。 --- ### 自动提取标题功能 另外还有一种方法可以直接获取某个特定 .json 文件内的元数据字段值，即调用专门设计用来解析这些复杂嵌套字典结构的方法函数来实现自动化读取工作流目的下的效率提升效果展示如下所示例子程序清单里头部分提到过的那段话就是这么做的具体体现方式之一而已啦！ ```python def parse_labelme_file(json_path): """Parse the given LabelMe annotation file.""" with open(json_path, encoding='utf-8') as fp: d = json.load(fp) return d.get("imagePath", None) or "" # Example usage of above defined utility function. image_path = './example.json' title = parse_labelme_file(image_path) print(f"The title extracted is {repr(title)}.") ``` ---
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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