【yolov8】6、labelimg安装使用-数据集标注

最新推荐文章于 2025-04-22 11:22:58 发布
最新推荐文章于 2025-04-22 11:22:58 发布
阅读量1.2k 收藏 14
点赞数 17
分类专栏： devops 架构师 日常工作总结 文章标签： YOLO v8 机器识别
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。
本文链接：https://blog.csdn.net/ladymorgana/article/details/140605977
版权

labelimg安装使用-数据集标注

1、说明

第4-5章是安装显卡驱动，这里省略，章节名称如下

  • 第4章 3种查看英伟达显卡CUDA版本的方法
  • 第5章 cuda和cudnn下载和安装

2、Labelimg 安装

Stage 1 ：打开 anaconda

  • 开始 - 搜索 anaconda - 打开

  • 为了方便使用可以创建快捷方式：右键annaconda 打开文件位置，将快捷键图标复制到桌面上即可

在这里插入图片描述

Stage 2 ：base 环境切换成 yolo8
  • 原因：安装在base环境，容易闪退
conda activate yolo8

在这里插入图片描述

Stage 3 ：安装 labelimg
pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

Stage 4 ：打开 labelimg
Stage 4-1 ： 查看 labelimg 安装位置 ：conda info --envs

在这里插入图片描述

Stage 4-2 ： 创建 labelimg 桌面快捷方式

3、Labelimg 使用

3.1 常用设置

在这里插入图片描述

3.2 常用按钮

按钮作用是否常用
Open打开单张图片是
Open Dir打开图片所在文件夹是
Change Save Dir输出的标注文件保存位置是
Hext Image
Prev mage
Verify Image
Save
PascalVOC 、YOLO、CreateML保存的格式，一般选择 yolo是

3.2 常用快捷键

按钮作用
A 切换到上一张图片
D 切换到下一张图片
W 调出标注十字架
del删除标注框框
Ctrl+u 选择标注的图片文件夹
Ctrl+r 选择标注好的label标签存在的文件夹

4、启动labelimg的3中方式

方式 1 ：在安装环境目录下是 script，创建桌面快捷键方式

  • 双击打开即可
    在这里插入图片描述

方式 2 ：进入对应的环境，输入 labelimg

  • base容易闪退， 环境切换成 yolo8
conda activate yolo8
labelimg

在这里插入图片描述

方式 3 ：进入对应的环境，输入以下内容【推荐】

# 切换成yolo8环境
conda activate yolo8

# 进入图片文件夹
e:
cd E:\dataset\dataset20210113

# 打开labelimg （设置默认标记列表）
# 其中 images 为图片地址（E:\dataset\dataset20210113\images）
# class.txt 标记列表（E:\dataset\dataset20210113\class.txt ），如果
labelimg images class.txt

请添加图片描述

使用YOLOv10和LabelImg实现半自动标注
Dora_blank的博客
05-30 2937
在视觉任务任务重中，数据标注是一个非常重要且耗时的过程。为了提高标注效率，我们可以结合目标检测模型（如YOLOv10）和标注工具（如LabelImg）实现半自动化标注。本文将详细介绍如何实现这一目标，并提供相应的代码。
YOLOv8训练自己的数据集,通过LabelImg
Pandas_007的博客
01-26 2188
yolov8.yaml的路径一般在目录下修改nc为names中的类别数量。
深度学习（二）从0搭建YOLOv8目标检测
2403_84497397的博客
01-08 936
深度学习之YOLOv8推理
YOLOv8目标检测任务的标注、训练和部署过程
最新发布
m0_37302966的博客
04-22 275
YOLOv8目标检测任务的标注、训练和部署过程
yolov8目标检测数据集制作——labelimg
weixin_52010459的博客
03-25 2010
使用labelimg制作yolo数据集的优点，安装和使用教程。
[YOLOv8] - 使用LabelImg对数据集进行标注(含解决安装遇到的版本问题和使用技巧）
老狼工作室的博客
12-10 7912
本文包括LabelImg介绍，安装，基本使用，及使用技巧等。
图像标注软件labelImage安装
weixin_44616731的博客
02-12 344
图像标注软件labelImage安装
Labelimg安装教程
QHCV的博客
06-17 5578
LabelImg还具有简单易用的用户界面和快捷键，方便用户快速标注图像，并支持图像旋转、缩放、调整对比度等常见操作，以提高标注效率和准确性。与LabelImg不同的是，LabelMe不仅可以标注对象的位置，还可以标注对象的形状和轮廓，因此适用于一些需要更精细标注的任务，如语义分割和实例分割。使用LabelImg，用户可以手动标注图像中的目标和区域，并生成相应的标注文件，这些标注文件可以用于训练机器学习模型，如目标检测、图像分割、语义分割等任务。1.新建一个anaconda环境。与labelme的区别。
Yolov8-obb数据集生成
03-15
2. **标注工具**：使用专业标注工具，如LabelImg或VGG Image Annotator (VIA)，对图像进行标注。标注时，除了选择目标区域，还需要指定边界框的角度，以生成obb。 3. **批量处理**：对于大量图像，手动标注会非常...
YOLOv5算法DMS驾驶员抽烟-打电话-喝水-吃东西分神检测+数据集
05-12
yolov5算法DMS驾驶员抽烟-打电话-喝水-吃东西检测， 包含5000多张DMS驾驶员抽烟-打电话-喝水-吃东西检测数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，...
YOLOv8-OBB旋转目标检测，使用自己的数据集
03-10
- 数据标注：使用工具（如labelImg、VOCAnnotationTool等）为每个目标绘制OBB，记录中心点坐标、宽度、高度以及旋转角度。 - 数据预处理：对图像进行归一化、缩放等预处理步骤，以便输入到模型中。同时，将标注...
labelImage python3安装包
04-15
为方便用户使用python3打标签，因此提供已经生成好的代码。可直接用指令python labelImg.py启动
LabelImage1.8.1.rar
06-25
labelImage 1.8 的 Windows 可执行版本，不需要安装，压缩包解压到当前文件夹，点击exe文件就可以用了
Label Image 打标签工具
11-23
Label Image 打标签工具，版本包括1.3,1.5, 1.7三个。
LabelImage windows版本v1.6.1
08-07
下载地址： https://tzutalin.github.io/labelImg/ ，进不去的朋友可以在这里下载，本来想免费的但是这里最少要1积分。。。这是win下的.exe文件，可直接运行这个小工具
YOLOV8数据集制作，X-Anylabeling标注数据集,以及模型训练
qwe4706的博客
04-19 6102
是一款全新的交互式自动标注工具，其基于进行构建和二次开发，在此基础上扩展并支持了许多的模型和功能，并借助和YOLO等主流模型提供强大的 AI 支持。无须任何复杂配置，下载即用，支持自定义模型，极大提升用户标注效率！相较于和 Labelme 效率更高。
LabelImage 安装过程
热门推荐
Snowy_susu的博客
07-23 1万+
LabelImage安装过程： LabelImage可用于神经网络中训练样本的标签标定，可实现自制样本用于自己网络的调参使用，属于人工标定的过程，工作量还是挺大的，窗口为矩形窗口，不能改变方向，貌似！！（我想要能改变方向的如斜着的矩形框！！！探索中。。。） 环境：window7 +Anaconda(python3.6.1)，第一次觉得Anaconda那么省事！！ （1）打开Anaconda ...
标注工具(labelimage的安装)
weixin_43384504的博客
12-17 769
再相应的目录下打开 anaconda conda list 看看有没有需要安装的包 例如pyqt5 如果没有直接 conda install pyqt=5 在相应的文件夹路劲下： cd E:\tensorflow kuangjia\labelImg-master 输入 pyrcc5 -o resources.py resources.qrc 再运行 pytho...
Labelimg安装及使用
MYHDTKY的博客
01-18 905
labelimg的安装 在命令窗口输入： pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple 安装好后，直接在命令行输入labelimg就可以打开 使用方法 标注前先进行一些设置： Auto Save mode：当你切换到下一张图片时，就会自动把上一张标注的图片标签自动保存下来，这样就不用每标注一样图片都按Ctrl+S保存一下了 Display Labels：标注好图片之后，会把框和标签都显示出来 Advanced
yolov8标注labelimg
03-23
### 如何使用 LabelImg 进行 YOLOv8 数据集的标注 LabelImg 是一款广泛使用的图像标注工具，支持多种格式导出标注文件。对于 YOLOv8 的数据集准备，可以通过以下方法完成标注工作。 #### 安装 LabelImg 工具 首先需要安装 LabelImg 工具。推荐通过 `pip` 或者源码编译的方式进行安装。以下是 pip 安装命令： ```bash pip install labelimg ``` 如果希望通过 Anaconda 环境管理依赖项，则可以按照以下方式进行安装： ```bash conda install pyqt=5 conda install -c anaconda lxml pip install labelimg ``` 启动工具时运行以下命令即可打开图形界面： ```bash labelimg ``` --- #### 使用 LabelImg 创建标注 1. **加载图片** 打开 LabelImg 后，点击左上角菜单栏中的 “Open Dir”，选择包含待标注图片的目录；再点击 “Change Save Dir” 设置保存标注文件的位置[^2]。 2. **设置标签列表** 在顶部菜单中找到并点击 “Pref”（Preferences），弹出配置窗口后勾选 “Create PASCAL VOC .xml”。接着切换到 “Labels” 部分，手动输入目标类别的名称，或者导入预先写好的 `.names` 文件作为标签集合[^3]。 3. **绘制边界框** 对每一张图片逐一操作：先用鼠标拖拽画矩形区域覆盖感兴趣的目标对象，随后从下拉菜单里挑选对应的类别名赋予该 bounding box。完成后按快捷键 Ctrl+S 存储当前进度至本地磁盘为 XML 格式的描述文档。 4. **转换成 YOLO 格式** 默认情况下，LabelImg 输出的是 Pascal VOC 格式的 xml 文件。为了适配 YOLOv8 输入需求，需借助额外脚本来实现批量转化任务。下面给出一段 Python 脚本用于自动化此过程： ```python import os from xml.etree import ElementTree as ET def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = abs(box[1] - box[0]) h = abs(box[3] - box[2]) x = round(x*dw, 6) w = round(w*dw, 6) y = round(y*dh, 6) h = round(h*dh, 6) return (x,y,w,h) def main(): classes = ["your_class_name"] # 替换为你自己的分类名字 for file in os.listdir("./Annotations"): if not file.endswith(".xml"): continue tree = ET.parse(f"./Annotations/{file}") root = tree.getroot() size = root.find('size') width = int(size.find('width').text) height = int(size.find('height').text) filename = f"{os.path.splitext(file)[0]}.txt" with open(os.path.join("labels", filename), 'w') as out_file: for obj in root.iter('object'): cls = obj.find('name').text if cls not in classes: continue bndbox = obj.find('bndbox') bbox = ( float(bndbox.find('xmin').text), float(bndbox.find('xmax').text), float(bndbox.find('ymin').text), float(bndbox.find('ymax').text)) bb = convert((width,height),bbox) class_id = classes.index(cls) out_str = f"{class_id} {bb[0]} {bb[1]} {bb[2]} {bb[3]}" out_file.write(out_str+'\n') if __name__ == "__main__": main() ``` 上述代码会读取所有的 XML 文件并将它们转化为 YOLO 文本格式存储于指定路径下的 labels 文件夹之中。 --- #### 注意事项 - 如果仅有一个类别，可以在偏好设置中启用默认标签选项来减少重复劳动量。 - 记得调整上面提到的 `classes` 列表以匹配实际项目里的物体种类定义情况。 - 当前示例假设所有原始标注位于 Annotations 目录而最终结果应放置在 labels 下面，请依据个人环境做相应修改。
评论
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

打赏作者

ladymorgana

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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