LabelImag标注工具环境配置

nanxl1

已于 2024-10-09 22:24:59 修改

阅读量463

点赞数 4

分类专栏：学习记录文章标签： python labelImag yolo 图像标注

于 2024-10-09 21:19:38 首次发布

本文链接：https://blog.csdn.net/nanxl1/article/details/142796595

版权

学习记录专栏收录该内容

1 篇文章 0 订阅

订阅专栏

LabelImag标注工具环境配置

Anaconda的安装和使用

Anaconda是一个集成了Python解释器、conda包管理器和众多科学计算、数据分析、机器学习等常用库的发行版。它允许用户轻松地管理Python环境和包，无需手动解决依赖问题。Anaconda特别适用于数据科学、机器学习、人工智能等领域的开发者和研究人员，因为它提供了一个方便、快捷的方式来安装、更新和配置所需的工具和库。此外，Anaconda还支持跨平台使用，可以在Windows、macOS和Linux上运行。(来源文心一言)

安装

下载地址: Download Now | Anaconda
下载后安装即可

环境管理

创建环境命令:

conda create -n [name] python=3.x
conda create -n Labelme python=3.7

在这里插入图片描述

查询环境命令: 用于查找已经创建的环境

conda env list

在这里插入图片描述

激活环境:

conda activate [name]
conda activate Labelme

在这里插入图片描述

环境配置

labelImag下载地址(百度网盘)

通过网盘分享的文件：labelImg
链接: https://pan.baidu.com/s/1DoORsQuMDbI9Zn88JIFn_Q?pwd=1234 提取码: 1234

conda install [packet name]
pip install [packet names]

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py

一条条输入，最后两条到指定目录输入(倒数第二条如果资源文件夹有的话可以不用输入)

在这里插入图片描述

pycharm 2022.1.3 + anaconda

其实到上步就可以，但既然有条件，可以结合pycharm配置一下

点击右下角, 选择添加解释器

在这里插入图片描述

选择创建的虚拟环境中对应的python解释器

在这里插入图片描述

等待pycharm加载环境

在这里插入图片描述

右击运行labelImag.py即可使用labelImg

在这里插入图片描述

LabelImag的使用

建立项目框架

在目录下建立datasets文件夹用于管理数据, 再建立harmful kitchen other recycable四个文件夹存放不同种类垃圾的数据

在这里插入图片描述

上面四个子文件中又三个子文件夹对数据进一步分类

在这里插入图片描述

准备数据

拍摄对应种类的垃圾的图像，保存在对应文件夹的images文件夹中

在这里插入图片描述

LabelImag标注

运行程序
选择 file->change Save Dir, 改变结果保存路径，选择对应种类的labels作为保存标注信息的文件夹

在这里插入图片描述

选择 Open Dir 打开文件夹，选择对应种类的 images文件夹

在这里插入图片描述

按 W 进行标注，并输入或选择对应的标签(之前输入过的标签以后可以直接选择)

在这里插入图片描述

Ctrl+S保存标注结果(或者在View 里点击自动保存，就不需要每次都手动保存了)

在这里插入图片描述

按A D可切换上下张，重复标注工作
可以看到.xml类型的标注信息已经保存到对应文件夹了

在这里插入图片描述

标注文件格式转换

由于.xml类型标注文件不能直接用于yolo模型的训练，因此需要先将数据进行转换，在datasets文件夹中，有xml_to_yolo.py文件, 用pycharm或其他编辑器打开

在这里插入图片描述

修改xml_to_yolo.py文件的路径(三个地方)

在这里插入图片描述

更改路径

在这里插入图片描述

注意到会报错(编码错误)

在这里插入图片描述

out_file = open('E:\\大学资料\\人工智能大作业\\labelImg\\labelImg\\datasets\\recycable\\yolo_labels\\' + image_name[:-3] + 'txt', 'w', encoding="utf-8")  # 转换后的txt文件存放路径
f = open('E:\\大学资料\\人工智能大作业\\labelImg\\labelImg\\datasets\\recycable\\labels\\' + image_name[:-3] + 'xml', encoding="utf-8")