目标检测标注工具Labelimg安装与使用

目录

一、安装Labelimg与打开

二、使用

1、基本功能介绍

2、快捷键

3、状态栏的工具

4、数据准备

5、标注

三、附录

1、YOLO模式创建标签的样式

2、create ML模式创建标签的样式

3、PascalVOC模式创建标签的样式

---

一、安装Labelimg与打开

源码网址：LabelImg

labelimg是一款开源的数据标注工具，可以标注三种格式：

voc标签格式，保存为xml文件
yolo标签格式，保存为txt文件
createML标签格式，保存为json格式

安装：

在python虚拟环境命令行中输入：

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

打开：

在python虚拟环境命令行中输入：

cd path（进入自己需要标注的图像/图像文件夹path，可选）

# 直接输入labelimg回车打开
labelimg（打开labelimage命令）

二、使用

1、基本功能介绍

2、快捷键

注意：下面快捷键需要点击主页第二个Open Dir设置文件夹后，才能用

按键W：开始标注
按键A：上一张图像
按键D：下一张图像

快捷键	含义
w	绘制矩形框
d	下一张图片
a	上一张图片
Del	删除标注框
Ctrl+鼠标滚轮	放大/缩小图片
Ctrl + +	放大图片
Ctrl + -	缩小图片
Ctrl + s	保存

3、状态栏的工具

4、数据准备

这里我建议新建一个名为img_data的文件夹（这个是约定俗成，不这么做也行），里面创建一个名为images的文件夹存放我们需要打标签的图片文件；再创建一个名为labels存放标注的标签文件；最后创建一个名为 classes.txt 的txt文件来存放所要标注的类别名称。

img_data的目录结构如下：
|—img_data
||──images 存放需要打标签的图片文件
||── labels 存放标注的标签文件
||── classes.txt 定义自己要标注的所有类别（这个文件可有可无，但是在我们定义类别比较多的时候，最好有这个创建一个这样的txt文件来存放类别）

5、标注

首先在images这个文件夹放置待标注的图片，这里是三类图片，分别是人、狗和猫。

然后再classes.txt 这个txt文档里面输入定义的类别种类；如下图所示。

进入img_data文件夹当中，在搜索栏里面输入cmd打开终端命令

输入如下的命令打开labelimg。这个命令的意思是打开labelimg工具；打开images文件夹，初始化classes.txt里面定义的类。

labelimg images classes.txt

运行上面的命令就会打开这个labelimg工具

三、附录

1、YOLO模式创建标签的样式

 存放标签信息的文件的文件名为与图片名相同，内容由N行5列数据组成。

每一行代表标注的一个目标，通常包括五个数据，从左到右依次为：类别id、x_center、y_center、width、height。

其中：

• 类别id代表标注目标的类别；
• x_center和y_center代表标注框的相对中心坐标；
• width和height代表标注框的相对宽和高。

请注意，这里的中心点坐标、宽和高都是相对数据！！！

 存放标签类别的文件的文件名为classes.txt (固定不变)，用于存放创建的标签类别。

2、create ML模式创建标签的样式

同样会生成两个文件：

• 存放标签信息的文件(XXX.json)；
• 存放标签类别的文件(classes.txt)(若之前存在，则不会再生成)

在生成JSON文件中，每个目标都表示为一个对象，其中包含以下属性：

• image：图像文件的名称。
• annotation：一个包含所有目标的数组，每个目标都表示为一个对象。包括：
• label：目标的类别名称，例如"汽车"、"人"、"自行车"等。
• x和y：目标的左上角坐标，表示其在图像中的位置。
• width和height：目标的宽度和高度，表示其在图像中的大小。

3、PascalVOC模式创建标签的样式

同样会生成两个文件：

• 存放标签信息的文件(XXX.xml)；
• 存放标签类别的文件(classes.txt)(若之前存在，则不会再生成)

每个XML文件对应一个图像文件，文件中包含了对图像的解释。具体来说，XML文件里标记了物体框的坐标和类别等信息。对于用户自定义数据，可根据实际情况对这些字段进行标注。

在XML文件中，关键信息包括：

• folder：图像所在文件夹名
• filename：图像文件的名称
• path：图像所在路径
• size：图像的尺寸，包括宽度、高度和通道数
• object：标注框的信息，包括：
  • name：物体框对应的类别名称
  • bndbox：物体框的信息，包括左上角和右下角的坐标。
  • xmin：图像左上角x坐标
  • ymin：图像左上角y坐标
  • xmax：图像右下角x坐标
  • ymax：图像右下角y坐标

此外，XML文件中还可能包含其他相关信息，例如物体框的遮挡情况(pose)、是否被截断（truncated）、是否是难检测（difficult）物体等。这些信息用于辅助标注和评估目标检测任务的性能。

同源的语义分割标注工具：GitHub - labelmeai/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).

参考：标注工具Labelimg安装与使用