labelImg 使用教程图像标定工具

最新推荐文章于 2024-05-13 00:31:19 发布

Dontla

最新推荐文章于 2024-05-13 00:31:19 发布

阅读量6.1w

点赞数 43

分类专栏：深度学习 deep_learning

本文链接：https://blog.csdn.net/Dontla/article/details/102662815

版权

70 篇文章 23 订阅

订阅专栏

在这里插入图片描述
LabelImg是图形图像注释工具。

它是用Python编写的，并将Qt用于其图形界面。

批注以PASCAL VOC格式（ImageNet使用的格式）另存为XML文件。此外，它还支持YOLO格式
在这里插入图片描述

注释将保存到您指定的文件夹中。

您可以参考以下热键来加快工作流程。

YOLO格式的txt文件将以与您的图片相同的名称保存在同一文件夹中。名为“ classes.txt”的文件也被保存到该文件夹。“ classes.txt”定义您的YOLO标签所引用的类名称的列表。

注意：

您可以编辑 data / predefined_classes.txt 以加载预定义的类

当按下空格键时，用户可以将图像标记为已验证，然后将显示绿色背景。在自动创建数据集时使用此功能，然后用户可以浏览所有图片并标记它们，而不用对其进行注释。

困难字段设置为1表示该对象已被注释为“困难”，例如，清晰可见但在不大量使用上下文的情况下很难识别的对象。根据您的深度神经网络实现，您可以在训练期间包括或排除困难对象。

先准备好两个文件夹，一个存放已经采集好的图片，另一个存放准备标定后的xml文件，并修改data文件夹下的predefined_classes.txt类文件（我这里只设置一个类）并保存：
在LabelImg文件夹右键控制台运行python labelImg.py启动程序：
点击open dir，选择我们存放图片的文件夹，然后再选择我们准备存放xml文件的文件夹：
（注意：打开已有标注的文件夹时，务必保证里面有class.txt文件，否则程序将崩溃）
然后点击Create/nRectBox或按快捷键W开始画框：
选择目标类别并点击ok
标完后点击Next Image或按快捷键D切换到下一张图片
当一张图片标记完成后，会在一开始我们设置存储xml文件的文件夹下生成一个xml文件：
打开可观察里面的内容：

关注