自动标注工具AutoLabelImg的安装、部署及使用，支持yolov8、yolov9、yolov10、RT-DETR

jessie的垃圾桶

已于 2024-12-26 17:50:12 修改

阅读量1.2k

点赞数 24

分类专栏：安装、环境相关文章标签： yolo 人工智能

于 2024-10-15 17:08:37 首次发布

本文链接：https://blog.csdn.net/m0_64293675/article/details/142951319

版权

安装、环境相关专栏收录该内容

6 篇文章

订阅专栏

github项目地址：https://github.com/datnguyen-tien204/VAL-AutoLabelImg/tree/main
基本上可以直接按照项目里的README去安装。

自动标注工具AutoLabelImg安装部署及使用，支持yolov8、yolov9、yolov10、RT-DETR

代码拉取
安装：
使用
- 简单使用：
- 加载自己的模型和配置文件使用

以下是本人的安装和使用步骤：
Windows + Anaconda
个人配置：NVIDIA GTX 4060 + cuda12.1

代码拉取

将github上的代码拉取至本地，或者直接使用附件中我上传的源码

git clone https://github.com/datnguyen-tien204/VAL-AutoLabelImg.git

安装：

创建虚拟环境，python的版本需要大于3.8，小于3.10，不然可能会有数据格式不兼容的问题

conda create -n autolabel python=3.8.19

激活虚拟环境

conda activate autolabel

拉取的源码中，VAL-AutoLabelImg\VAL_LabelImgs路径下有一个requirements.txt文件，cd到该路径运行下面的命令进行安装（加上清华源下载安装起来就非常快）

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装完之后可能会有如下报错：
ERROR: To modify pip, please run the following command:
D:\anaconda\envs\autolabel\python.exe -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
可以把requirements.txt中pip==24.0这行删掉，再重新执行pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/就可以成功安装。

继续执行以下命令：

pip install VAL-LabelImgs
pyrcc5 -o libs/resources.py resources.qrc

至此，安装完成。

使用

简单使用：

cd到VAL-AutoLabelImg\VAL_LabelImgs\目录下，执行

python mainapp.py

会出现软件界面
在这里插入图片描述
点击Open Dir 按钮选择VAL-AutoLabelImg\VAL_LabelImgs\imgs_input文件夹。
点击Change Save Dir 按钮选择VAL-AutoLabelImg\VAL_LabelImgs\save_dir文件夹。
会出现imgs_input文件夹中的图片

最后点击Auto Label All 按钮，在弹出的对话框中下拉选择All images，点击OK
在这里插入图片描述

继续选择custom-weights，点击OK
在这里插入图片描述
选择VAL-AutoLabelImg\models路径下的yolov8s.pt作为模型，继续选择VAL-AutoLabelImg\VAL_LabelImgs路径下的coco.yaml作为配置文件，选择完成之后就会对VAL-AutoLabelImg\VAL_LabelImgs\imgs_input文件夹中所有的图片进行自动标注。
标注结果和终端运行如下图所示
在这里插入图片描述

加载自己的模型和配置文件使用

首先需要关掉软件界面，然后修改一些配置文件即可：
1、本人使用的目标检测模型有10个类别，所以需要修改VAL-AutoLabelImg\VAL_LabelImgs路径下default_imgs.yaml文件内容中的classes为：

classes:
- 0
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9

2、修改VAL-AutoLabelImg\VAL_LabelImgs\coco路径下classes.txt的内容为：

pedes
car
bus
truck
bike
moto
tricycle
coni
warn
tralight

3、增加自己模型对应的配置文件。比如本人使用的目标检测模型有以下10个类别，所以配置文件my_data.yaml的内容为：

nc: 10
# class names
names: ['pedes', 'car', 'bus', 'truck', 'bike', 'moto', 'tricycle', 'coni', 'warn', 'tralight']

完成上面3步之后，重新运行下面命令打开软件

python mainapp.py

按照简单使用里的步骤，加载自己的图片路径、模型、yaml文件，即可实现自动标注，效果如下
在这里插入图片描述