数据集制作——使用labelimg制作数据集

原创 已于 2022-04-30 17:21:19 修改 · 2.6w 阅读 · 508 ·
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：

#tensorflow #github #python

于 2022-03-16 21:16:54 首次发布
本文详述了在Windows10系统中如何利用Anaconda安装Labelimg，并进行数据集标注的步骤。首先，通过Anaconda创建Python3.7环境并安装PyQT和lxml库。然后，解压并运行Labelimg，设置标注目录和输出文件夹，使用Labelimg进行图像标注，支持PascalVOC、YOLO和CreateML三种标签格式。最后，介绍了数据集标注的具体操作流程。

本文主要讲述了在Windows10系统下，通过anaconda安装labelimg以及通过labellmg给数据集进行标注的具体步骤，Windows10系统下anaconda安装步骤可以阅读此篇博客：
Anaconda安装步骤（Windows10）

本文主要分为三个部分：


Labelimg是一款开源的数据标注工具，可以标注三种格式。
1.PascalVOC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文件

一、labelimg安装

1.从github下载labelimg安装包
labelimg下载
点击上方的浅蓝色网址，依次点击Code，Download ZIP
在这里插入图片描述
2.下载好labelimg后，将其解压到D盘目录下，并将名称labelImg-master改为labelimg
（labellmg-master是压缩包名称，改名是为了之后的步骤更加方便）
在这里插入图片描述

3.打开anaconda prompt
在这里插入图片描述
4.输入下面的命令行，并按回车键，新建一个名称为labelimg的python3.7环境

conda create -n labelimg python=3.7

在这里插入图片描述

输入y，并按回车键
在这里插入图片描述

5.输入下面的命令行，进入labellmg环境

conda activate labelimg

最低0.47元/天 解锁文章
精选资源
车牌数据集——蓝牌、绿牌、黄牌
06-19
车牌数据集包括蓝牌、绿牌、黄牌三类车牌的图片数据。 一共有12000张图片左右。图像效果好，用于车牌号识别模型训练与验证。
LabelImg制作自己的数据集-附件资源
03-05
LabelImg制作自己的数据集-附件资源
Labelme标注的json文件转yolo训练的txt文件
笑脸惹桃花的博客
10-24 1889
在目标检测任务中，数据标注是模型训练的关键环节。常用的标注工具有Labelimg和 Labelme，它们均能够以直观的方式对图像中的目标进行标注，并生成包含标注信息的TXT文件或者 JSON 文件。然而，YOLO模型使用的是特定格式的 .txt 文件作为训练数据。思路为，json文件中需要提取的关键信息为类别和坐标，可在shapes标签中通过提取label和points的值并进行分析得到，再将坐标值进行归一化，将全部信息按照每行文本输出到txt文件中，得到的即为yolo格式的txt文件。
【LabelImg】
最新发布
bryant_meng
10-27 844
LabelImg 是一款轻量级、开源的图像标注工具，主要用于目标检测（Object Detection）任务的标注工作。它支持手动框选图像中的目标物体，并生成符合主流深度学习框架（如YOLO、Pascal VOC等）格式的标注文件。标注的时候，需要在标签文件夹中新建一个 classes.txt 类别文件夹。修改 labelimg.py 源码，在对应环境的 python 库目录下(在labelimg 库目录下，新建 data 文件夹，安装完成后，打开 cmd ，输入。在 txt 中配置好所需的标注类别。
使用labelImg制作自己的数据集（VOC2007格式）用于Faster-RCNN训练
热门推荐
把岁月化成歌 留在博客
01-02 3万+
一、数据集文件夹 新建一个文件夹，用来存放整个数据集，或者和voc2007一样的名字：VOC2007 然后像voc2007一样，在文件夹里面新建如下文件夹： 二、将训练图片放到JPEGImages 将所有的训练图片放到该文件夹里，然后将图片重命名为VOC2007的“000005.jpg”形式 图片重命名的代码（c++，python，matlab），参考：http://blog.c...
Labelimg制作数据集
clover_my的博客
03-07 8371
Labelimg制作数据集 1、 安装labelimg ① 下载源码自行安装，安装步骤参考搜索文章 下载地址：https://github.com/tzutalin/labelImg ② 下载打包版直接运行，Windows和Linux平台可用，无需编译 下载地址：http://tzutalin.github.io/labelImg/ 2、 图片标注 ① 仿照VOC2007在py-faster-rc...
# 使用LabelImg制作自己的数据集（详细图文教程）
呓语煮酒的博客
12-11 651
由于本人工作中涉及到FPGA以及QT、VS、Linux等多种操作环境，过得时间稍微久一些，就容易忘记当时的操作过程，因此特意把工作中使用到的操作步骤以及一些关键想法记录下来，方便自己在忘记的时候查阅。本文会尽可能将各个操作步骤详细的记录下来，虽然有些繁琐，但是方便后期更好的回忆查看。如果记录有错，请各大佬勿喷。欢迎交流。
图像数据集标注工具——labelimg
hylan的博客
06-22 1万+
labelimg是一个专门用于任务的图像标注工具（即只能对图像进行标注，实现“标注框——类标签”的对应关系）。
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。
利用yolov实现目标检测——用labelimg制作目标检测的数据集
m0_67214602的博客
04-14 4192
利用yolov实现目标检测——用labelimg制作目标检测的数据集
使用LabelImg制作YOLO数据集
r502818330的博客
03-05 2241
请注意，LabelImg 支持的最高 Python 版本为 3.9，若使用 Python 3.10 或更高版本，可能会导致各种不可预见的问题。
数据标注工具【LabelImg】安装使用 & 用VOC制作自己的数据集
2302_76305195的博客
11-07 2552
Labelimg是一款开源的数据标注工具，标签可用于分类和目标检测，它是用python写的，并使用Qt作为其图形界面，简单好用，它可以标注三种格式。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。
利用labelimg实现yolov8数据集的制作
tpc4289的专栏
03-14 839
我们在使用yolov8进行物体检测识别的时候，由于其内置的n,s,m等模型只包含90多种物体（很多其他物品并未包含在其中），导致我们无法直接使用其模型进行视频或者图片的检测识别。这个时候，我们就需要自己制作数据集进行训练。下面我们通过使用lableimg进行图片的标注，完成识别物品图片数据集的采集。
利用labelimg制作自己的数据集
weixin_44597885的博客
03-02 1172
利用labelimg制作自己的数据集
制作数据集
qq_74234591的博客
12-05 715
在标注的时候，最后一个点要首尾相连。完成后会弹出一个窗口，在窗口内输入标签，确认后一幅图像就标注完成啦。这样便会在保存目录中生成标签的。刚刚安装的东西就在这个目录下面,我的是D:\anaconda3\envs\cv_env\Scripts。随便把png格式的图片的后缀名改为jpg造成的。Labelme是一个用于图像标注的。工具，可以实现图像标注、
制作自己的数据集
DAICONG’s Blog
04-10 2283
文章目录1. Pascal VOC数据讲解2. 制作自己的数据集2.1. 创建类别文件2.2. 运行程序 1. Pascal VOC数据讲解 Pascal VOC官方数据 train.txt文件中所有的文件信息，通过信息到annnotation中寻找他的图像的标注信息（高度、宽度、图像中的目标分类），然后找到jpgImages文件中查找该文件，并将文件加载入内存中 2. 制作自己的数据集 制作标签的软件 2.1. 创建类别文件 只需要图像文件夹，类别文件，和annotations文件夹即可，生成的标签
评论 18
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