X-AnyLabeling 配合yolov5或者yolo v8，使用yolo标签标注，半自动化数据标注

原理就是用小数据集的yolo权重识别大数据集，并导出标注文件，用x-anylabeling进行检查和修改

1.下载X-anylabeling

下载地址如下：GitHub - CVHub520/X-AnyLabeling: Effortless data labeling with AI support from Segment Anything and other awesome models.

在解压后文件夹打开终端，并安装所需的环境依赖：

pip install -r requirements.txt

如果下载速度缓慢，可以临时使用清华源下载

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

安装完成后在项目终端运行app.py

python anylabeling/app.py

2. 在yolov5里使用小部分数据集训练模型，并将模型在更大的数据集里进行测试（关键）

此处我们根据几十张手动标注的少量数据集来训练好了 权重文件。并将source地址选为大量数据集的那个地址

将第十行参数修改为store_false，训练更大的数据集，得到的模型会生成标签文件和带有识别框的源文件。此处我们需要的是这个标签文件。

3.打开X-labeling进行标注

首先在X-AnyLabeling-main\assets文件夹下找到classes.txt文件，并将文件修改为自己的识别标签，注意顺序。（也可以自己创建一个classes.txt文件，按顺序输入标签名即可）

 

首先导入图片

选择刚才的yolov5测试集地址也就是大量数据集的那个地址（source地址）导入图片

 选择输出目录

之后点击导入-导入yolo水平框标签，导入刚才的classes.txt文件和yolov5识别生成的标签文件

 

classes.txt

labels文件

选择覆盖。

这样便由少数据集训练结果在大量数据集上打好了标签，之后查找标签错误的文件进行修改即可

导出标签：

 

点击导出yolo水平标签

同样选择classes.txt文件

导出标签文件即可