labelGo：基于 YOLOv5 的辅助标注工具

目录

1.从 git 中获取项目

2.切换操作目录到工程目录

3.配置环境

4.将目录中的/data/predefined_classes.txt文件的内容修改为你自己的类别

5.启动应用程序

6.点击“打开目录”按钮选择存放图片的文件夹

7.点击“自动标注”按钮确认信息无误后选择已训练的yolov5 pytorch模型完成自动标注

8.根据实际要求，对自动标注结果进行调整后保存即可

---

在我们平常做 深度学习检测项目时，可能经常需要标注数据，但是标注数据，本身又是一件很麻烦的事情。今天，看到 Github 有个大佬开源的基于 YOLOv5 的辅助标注工具，推荐给大家。

首先，上链接：

https://github.com/cnyvfang/labelGo-Yolov5AutoLabelImg

这是一个基于 labelImg与 YOLOv5 的半自动标注工具，通过现有的YOLOv5 PyTorch模型对数据集进行半自动标注。

它的原理其实很简单，使用在 COCO 数据集训练好的 YOLOv5 模型，在你的数据集上进行推理，生成标签。

      大家看一下官方给的两个动图，应该就明白怎么使用了。

其实，我们也可以自己先标注一部分数据，训练一个基本的模型，然后使用跟这个模型帮我们标注，提高标注效率。有点半监督的意思了。

官方给出的具体使用方法如下：

1.从 git 中获取项目

git clone https://github.com/cnyvfang/labelGo-Yolov5AutoLabelImg.git

2.切换操作目录到工程目录

cd labelGo-Yolov5AutoLabelImg

3.配置环境

pip install -r requirements.txt

4.将目录中的/data/predefined_classes.txt文件的内容修改为你自己的类别

（可选）.变更成中文版，请编辑\libs\stringBundle.py，注释第52行，取消注释54行。

5.启动应用程序

python labelGo.py

6.点击“打开目录”按钮选择存放图片的文件夹

7.点击“自动标注”按钮确认信息无误后选择已训练的yolov5 pytorch模型完成自动标注

8.根据实际要求，对自动标注结果进行调整后保存即可

参考引自：

labelGo：基于 YOLOv5 的辅助标注工具https://mp.weixin.qq.com/s?__biz=MzI2Nzg4NjA5OQ==&mid=2247512453&idx=2&sn=54aa8e7df44d5e906eb2b9d22c3b6f61&chksm=eafafaf9dd8d73ef519e0f35967d7dbaac9dcd5792b4d850655748d9ea7f0ef1a17ce87d66a7&scene=126&&sessionid=0