YOLO标注工具，支持半自动标注

已于 2024-03-03 22:46:00 修改
阅读量1.1w 收藏 100
点赞数 41
文章标签： YOLO
于 2023-12-06 17:14:21 首次发布
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/qq_45149610/article/details/134829381
版权

目录

结合了一些标注工具的优点，例如make-sense等，优化了下标注流程，增加了YOLOv8的半自动标注。目前只有普通检测标注

界面外观

  • 在这里插入图片描述

安装

文件下载链接，下载解压完成后，推荐用pycahrm打开

  • 如果不需要加载模型使用下面命令
pip install PyYaml PyQt5 Numpy opencv-python pillow -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 如果要使用半自动标注功能，命令
pip install ultralytics PyQt5 -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 打开main.py然后直接运行即可
    在这里插入图片描述

图像相关操作

添加本地图片

只会添加png，jpg和jpeg结尾的图像

  • 添加方式一：选则文件
    在这里插入图片描述
  • 方式二：选则文件夹
    在这里插入图片描述

放大缩小图片

  • 方式一：通过+和-按钮放大缩小
  • 方式二：点击手型按钮，然后使用滚轮缩放。按住拖动。
    在这里插入图片描述
  • 方式三：按住CRTL键，然后使用滚轮缩放。按住拖动。
  • 当鼠标箭头的样式为箭头时，使用滚轮不会放大和缩小图像 但是会上下移动

切换图像

  1. 点击左侧的缩略图切换
  2. 按下Z切换到上一张图像
  3. 按下X切换到下一张图像
    在这里插入图片描述

启动界面

  1. 如果之前标注过，则会在temp_folder文件夹下保存上次的标注文件，如果保留，在加载本地图像时，如果图像前缀和本地副本txt文件前缀相同则会加载标签。
    在这里插入图片描述

添加类别信息

  • 1.修改Detection.yaml本地配置文件中的names

    在这里插入图片描述

  • 2.需要在进加载图像前添加）

  • 在这里插入图片描述

标注相关操作

加载本地标签

  • 点击第三个图标，选则txt文件。
  • 只要本地标签的前缀和图像前缀相同即可匹配加载
    在这里插入图片描述

添加标注框

  • 在空白处点击鼠标左键然后拉框，松手即可完成
    在这里插入图片描述

更改标注框类别

  • 方式一：双击标注框
    在这里插入图片描述
  • 方式二：右侧更改
    在这里插入图片描述

更改标注框颜色

  • 选中标注框后，即可修改该框对应类别的显示颜色
    在这里插入图片描述

选中标注框

  • 鼠标左键单击标注框 或者 在右侧选中标注框
    在这里插入图片描述

删除标注框

  • 方式一：选中标注框从键盘按下Delete键

  • 方式二：选中标注框按下鼠标右键（推荐）
    在这里插入图片描述

  • 方式三：选中标注框点击删除框按钮（在屏幕右上角）

调整标注框

  • 选中标注框之后，鼠标放置在红色标记点附近即可对标注框做出调整
    在这里插入图片描述

导出标签

  • 在这里插入图片描述

半自动标注

半自动标注本质就是先用一部分图片训练一个半成品模型，用这个半成品模型去标注剩下的图像，人工修正错误的标签，这样会比直接标注全部图像省力

加载模型

  • 首先点击加载模型按钮
    在这里插入图片描述
    这里用了多线程去加载，加载期间可以继续其他任务，当加载成功后会提示，点击Yes或No即可，初次加载时间会稍长，后面在加载或者标注就不会耗费较长的时间了
    在这里插入图片描述

开始半自动标注

  • 要确保模型标注出来的类别已经被添加好了（names），不然会报错
  • C键是半自动标注快捷键
    在这里插入图片描述

人工审查

  • 半自动标注完成后，需要检查下当前的标注是否符合预期，如果和预期有一定出入，需要手动修改
    在这里插入图片描述
    这几个功能和框的显示有关，分别为隐藏前面框？，显示点？显示类别？填充显示？
YOLO11模型训练、自动标注以及OpenVINO部署
qqcs6的博客
04-16 627
最近在学习yolo目标检测，期间通过各种途径包括AI查了很多资料，发现有些资料太老了，特别是使用OpenVINO进行推理的部分，AI提供的代码很多都无法运行。这里记录一下学习过程，以及其中遇到的问题。本文章发布时间为2025/4/16，未经许可禁止转载！
《YOLO 标注工具全览》：此文为AI自动生成
zheng_ruiguo的专栏
10-20 5601
LabelImg 是最为常用的 YOLO 标注工具之一。然而，它经常莫名其妙地闪退，稳定性较差。尽管如此，LabelImg 在图像检测任务数据集制作方面仍发挥着重要作用。它支持多种标注格式，如 XML（Pascal VOC）、TXT（YOLO）等，方便用户根据不同的需求进行选择。用户可以通过点击和拖拽轻松创建边界框，为图像中的目标进行标注。不同的 YOLO 标注工具各有特点，适用场景也有所不同。在选择标注工具时，用户需要根据自己的具体需求进行综合考虑。
全自动标注工具支持YOLOv5，真正解放双手！
07-07
通过使用yolov5权重对图片进行自动标注，标注300张图片仅需1.5秒！真正解放双手，内附使用说明，以及图形化界面引导，即使新手也能完美上手。利用权重进行标注更加准确，而且不会造成遗漏，提高训练效率，训练过程真正全自动，中间无需人工干预。像训练模型一样，源源不断产生标注文件。支持产生.xml文件可通过转化为各种标注文件，普适度高。源码备注清晰每一处细节都允许自定义编辑。
YOLO快速图像标注工具
11-09
YOLO快速图像标注工具，里面附有使用说明书。资源并非自己原创，如果造成侵权，请私信我（我会主动删除）。
YOLO 自动标注工具autolabelimg（适用yolov5 v6.1）
m0_58054476的博客
09-10 1028
首先，手动标注一部分数据集，训练YOLOV5 模型，得到best.pt。二、下载和安装autolabelimg（1） github链接：（2）安装。
darknet yolo标注、训练详细说明
热爱生活，忠于自己
06-09 2259
使用labelImg.exe工具对数据进行标注，默认使用voc的数据集格式，之后使用脚本转换为yolo专用的数据格式，并且生成一些训练依赖的准备数据。中的classes 列表为标注工具中的标签名，例如有4个标签 car，huoche，guache和keche，那么将之前行用#注释，修改如下图。训练需要给出所有图片的绝对地址，这里注意，标注机器可能和后期训练不在一个机器，路径会变化，后期根据实际路径进行批量修改替换。控制台会打印检测的结果，运行完成后，会生成一个 predictions.jpg 的文件，
YOLO标注工具——JieLabel：一款基于多任务标注与训练的一体化AI视觉平台
qq_52777371的博客
05-18 1万+
本文介绍的是一种用于YOLO目标识别的标注软件，该软件可以用于水平矩形框和任意角度的矩形框的标注，而且带有识别和训练功能，再也不需要自己去跑代码训练了，本软件同时还有自动分配功能，可以自动分配好训练集和验证集，同时还可以往训练集里添加背景图片。10）预识别：此功能用于半自动标注，例如你需要标注500张图片，你可以先标注100张进行训练，得到一个权重文件，然后使用其功能进行识别，软件会按识别结果生成标注文件，你只需要微调图像即可，不需要重新标注，可以大大降低标注工作量。
Yolo训练数据标注工具-Yolo_mark
11-09
自制的一个标注工具（下载后点击.cmd文件可直接运行），可以实现yolo数据集的快速标注。自动生成所需txt和dat文件无需转换,可以修改，可以删除
Yolo标注工具-labelImg的详细使用
热门推荐
士不可以不弘毅！
06-19 3万+
Yolo标注工具-labelImg的详细使用 1. 运行环境 Window平台（该软件原来在linux平台）+ python3（需要在安装python环境） 2. 标注过程 2.1 工具下载 下载数据标记工具labellmg，github地址：https://github.com/tzutalin/labelImg 2.2 依赖安装 下载完成后，安装依赖PyQt5,lxml，其中 -i http://pypi.douban.com/simple --trusted-host pypi.douban.co
YOLO 自动标注·工具集
最新发布
12-13 1784
self.parser.add_argument('--uuid', action="store_true", default=False, help='重命名图片为UUID')# self.parser.add_argument('--uuid', action="store_true", default=False, help='重命名图片为UUID')
yolov5自动标注工具
03-02
自动标注工具则极大地简化了数据预处理的过程，对于训练模型来说，数据标注是至关重要的一步。这款基于YOLOv5的自动标注工具，可以提高工作效率，减少人为错误。 首先，我们来看一下提供的文件列表： 1. `export....
Python-基于RetinaNet模型的半自动图像标注工具
08-11
Semi Automatic Image Annotation Toolbox:基于RetinaNet算法的半自动图像标注工具。该工具箱使用基于MS COCO数据集预训练的RetinaNet模型能建议80个类对象。
Yolo-mark 标记软件
12-18
Yolo-mark 标记软件 实现图像的标记功能生成.txt文件 包含x,y,w,h
DarknetYolo数据集标注工具
12-17
自己制作的DarknetYolo数据集标注工具，可以快速对图片进行目标标注。
quick_yolo2_label_tool:yolo快速标注工具 quick yolo2 label tool
05-12
背景 接触yolo时，它的配置其实很简单，只不过没有相应的整合工具，网上也有一些人做的工具，感觉还是不好用，操作起来速度不够快，于是用c#写了一个小工具， 相关教学视频 特点 约定胜于配置：这个工具会把darknet所需的三个配置文件，两个索引文件（共5个文件），以及图片相应的标注文件整合到一个叫output的目录，然后我会将整个outpu目录拷出来使用。这样操作就会比较快， 快速标注：当对图进行标注时，主要是通过左键在图片划取区域，右键完成标注自动跳到下一副图，如果按delete键就会剔除不要的图。这样就可以快速图片标注。 支持一图多个标注对象，只要多次划取即可 每个listbox都有响应delete事件，选中项按delete即可删除 最终在使用时，work目录还少了一个预训练文件，可在这里 生成三个配置需要人工去检查一下相应的目录，保证训练没有问题，如对三个配置文件有疑惑可参考。 已添
DarknetYolo数据集标注工具.rar
07-30
专门给yolo模型标注的工具，比yolomark和labelimg好用，界面美观大方，压缩包有使用说明
全自动标注工具支持YOLOv5【解放双手了】
05-24
打开detector_classes.txt文件 输入你想自动标注的类 images文件夹内存放想要被自动标注的图片 Annotation文件夹内保存自动标注的.xml文件（所以在使用前是空的） 以上images文件和Annoation文件夹都不是固定的，...
基于yolov5的半自动标注工具
02-26
4. **半自动标注**：启动JU-LabelGo，它会基于YOLOv5的预测结果给出初步的边界框建议。用户通过拖动和调整边界框，对预测结果进行修正和完善。 5. **保存标注**：完成标注后，JU-LabelGo会将标注信息以YOLO格式保存...
基于YOLOV5及labelImg的图形化半自动标注工具
01-24
通过现有 yolov5 pytorch 模型对数据集进行半自动标注 新闻 labelGo 现在支持最新版本的 YOLOv5 和自动类 .txt 文件生成 半自动贴标功能演示 一键将Yolo格式转换为VOC格式的演示 注意 如果有问题，请在问题中...
yolo自动标注工具
10-30
YOLO（You Only Look Once）是一种流行的目标检测算法，其特点是能够快速而准确地检测图像中的多个物体。为了提高YOLO算法的效率，开发者们还设计了一种自动标注工具，能够帮助用户自动标注训练数据集。 YOLO自动标注工具的原理是利用计算机视觉技术，通过图像处理算法自动检测和定位感兴趣的物体，并为其生成标注框。该工具可以根据用户需求，对图像中的物体进行分类和定位，生成标注结果。 YOLO自动标注工具具有以下优点： 1. 自动化：相比于传统的手动标注方法，YOLO自动标注工具能够快速、高效地完成标注任务，减少了人工操作的时间和精力。 2. 精度高：该工具利用先进的目标检测算法，能够准确地检测并定位图像中的物体，生成准确的标注结果。 3. 可扩展性：YOLO自动标注工具可以灵活地根据用户需求进行定制化设置，满足不同任务的标注需求。 4. 多标签支持：该工具支持对图像中多个物体进行标注，可以识别并标注出不同类别的物体。 尽管YOLO自动标注工具具有许多优点，但也存在一些潜在的问题。例如，在复杂场景下，该工具可能会出现一定的识别误差；此外，它还依赖于训练数据集的质量和数量，因此需要一定的数据准备工作。 总之，YOLO自动标注工具在目标检测任务中具有重要的应用价值，能够大大提高标注效率和准确性。然而，对于特定的应用场景和数据集，用户需要权衡其优势和限制，并进行适当的调整和改进。
评论 40
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

w冷淡

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