使用labelimg制作YOLO数据集

​ 最近一直在做目标检测的内容，使用YOLOv8(https://github.com/ultralytics/ultralytics)建立目标检测模型，需要自己制作YOLO格式的数据集，因此记录一下如何使用labelimg制作YOLO格式的数据集的整个流程。

1.安装labelimg

1.1使用pip工具安装labelimg

pip install labelimg

1.2运行labelimg

labelimg

​ 运行的labelimg展示界面(遇到无法运行的情况可以参考其他人的文章解决)：

2. 数据标注

2.1设置文件路径和标注格式

​ 左边这一列是菜单栏，设置对应的文件路径，包括待标注的图像文件和标注信息的存放位置

​ 选择Open Dir选项设置待标注的图片文件夹路径，选择保存图像的文件夹即可，如下图所示：

​ 选择Change Save Dir选项设置标注信息的保存路径，以后你所有标注的信息都会存放在该文件夹下，如下图所示：

​ 接下来选择标注数据的格式，如果你不想经过任何形式的转换，可以直接设置标注数据的格式和数据意义为YOLO格式，如下图所示：

2.2数据标注

​ 如果一切都设置好，正常的界面如下图所示：

​ 为了标注数据的方便我就不再讲解如何用鼠标依次点击选项去标注，直接使用快捷键进行操作，常用的快捷键如下，虽然不全，但是标注数据完全足够：

快捷键	作用
W	打开标注框
A	选取上一张图片
D	选取下一张图片

详细的步骤：先按W键后松开，可以发现图像上有一个十字架的东西，使用鼠标在图像的一个点按住然后拖动鼠标移动至可以将你想要框住的目标完全框住为止，如下图所示，顺便打上标签的类别名来表示这个框柱的目标的是哪个类，类名没有限制取名规则，可以为数字，字符，特殊符号，如图我取名为bird类并保存就会产生标注信息的txt文件：

小Tips：如果你不想手动保存，设置上面View选项下的Auto Save mode，就会自动保存标注的信息即txt文件

2.3YOLO数据集

​ 通过图像原始文件和标注的txt文件划分数据集，包括train训练集和模型的val验证集，数据集整体（假设整体数据集的名称为data）的文件结构如下：

​ 图像保存在images文件夹中，标签信息存放在labels文件夹下，再在对应的文件夹下划分训练集和验证集，可以发现标注完的标注文件夹下会自动生成一个classes.txt文件，这个文件主要表明标签类的映射关系，如下图所示，可以发现标注文件的内容为一串数字，其中第一个数字就是一个类的索引号，0表示这个类的实际类名为classes.txt文件内容的第0个值（默认以0开始计数）即bird。（标注文件的剩余的4个数字为相对位置信息，有兴趣的可以自己查询资料）

​ YOLOv8会设置一个映射文件配置取代classes.txt的功能，所示可以直接删除classes.txt文件，对数据训练是没有影响的。所以最终数据集的文件结构如下：

最后你就可以用划分好的数据集data训练你自己的YOLO目标检测模型。