LabelImg 标注工具的使用（获取标注的图片数据集）_labelimg怎么看标注后的图片

本文链接：https://blog.csdn.net/2401_84166836/article/details/137852109

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

调用命令：

labelimg

随后跳出程序，界面如下：

在这里插入图片描述

我们还可以使用以下调用命令：

labelimg JPEGImages classes.txt

打开 LabelImg 工具的同时打开 JPEGImage 文件夹，并初始化 classes.txt 里面定义的类（这样我们在标注图片的时候就不需要手动输入标签）

另外，为了更方便的标注图片，首先我们需要在LabelImg 工具的view选项卡中设置以下几项内容：

在这里插入图片描述

2 标注格式

LabelImg 是一款开源的数据标注工具，可以标注三种格式：

PascalVOC 标签格式，保存为 xml 文件

形式如下：

<?xml version='1.0' encoding='us-ascii'?>
<annotation>
	<folder>hat01</folder>
	<filename>000000.jpg</filename>
	<path>D:\dataset\hat01\000000.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>947</width>
		<height>1421</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>hat</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>60</xmin>
			<ymin>66</ymin>
			<xmax>910</xmax>
			<ymax>1108</ymax>
		</bndbox>
	</object>
</annotation>

YOLO 标签格式，保存为 txt 文件

形式如下：

0 0.512143611404435 0.4130893736805067 0.8975712777191129 0.733286418015482

以空格隔开，分别表示 类别（从0开始）、归一化后框的 x_center、归一化后框的 y_center、归一化后框的 w、归一化后框的 h

归一化坐标是一种将物体位置和尺寸描述为相对图像大小的方法，常用于目标检测和计算机视觉任务中。在归一化坐标下，物体位置和尺寸都变成了 0 到 1 之间 的值，方便神经网络进行处理。如果将这些值直接传递给神经网络，由于不同图像尺寸和物体大小的差异，会导致模型难以处理。
因此，我们需要将这些值转换成归一化坐标，分别将 x_center、y_center、 w、 h 除以图像的宽 width 或高 height，即 x_center/width、y_center/height、 w/width、 h/height

CreateML 标签格式，保存为 json 格式

形式如下：

[{"image": "000000.jpg", "annotations": [{"label": "hat", "coordinates": {"x": 490.3947368421052, "y": 593.5526315789473, "width": 832.0, "height": 1023.9999999999999}}]}]



**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**
![img](https://img-blog.csdnimg.cn/img_convert/580abd8aff442989ab3384caa5be1f04.png)

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

中...(img-LfAGcSKG-1713306779647)]

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**