一、安装标注工具
因为以前使用过labelImg,因此继续沿用,具体安装参考labelImg安装
二、labelImg的使用
打开后如上图所示,根据对应的提示去创建块,然后添加相应的类别。只是这里需要注意的是切换成yolo的格式,默认是voc的格式。
快捷键:
创建矩形框:w
保存:ctrl + s
上一张:a
下一张:b
放大:ctrl++
缩小: ctrl–
目录结构如下:
将需要标注的原始图片存放在images的目录下面,将标注生成的标签存放在labels的目录下面,labelImg默认会帮你创建一个与原始图片同名的标签文件txt,标签内容格式如下:
第一列表示的是类别的索引从0开始,后4列是x_center/image_width、y_center/image_height、width/image_width、height/image_height,取值范围是0 ~ 1。即分别是你标注的框的左上角的点、框的宽度、高度与图像的尺寸的比值,这样处理的好处就是,不管模型要求input的图像的尺寸是多少,比如输入图片100100,模型将图片resize成0.5,即5050,那么框的坐标只需要乘上相应的size 50 即可完成转换。
保存后,labels的目录下会相应地生成一个classes.txt,如下图所示:
默认就是按照索引从0开始,与label内容的第一列相对应。
三、使用与验证他人的标注数据
也许你跟我一样,标注了两张就不想搞,而发现网上有很多现成的标注,但是又不知道是否正确,那就继续看下去。
下载coco128数据集官方
百度云
密码: 2vfo
下载下来的数据中是没有classes.txt的文件的,需要我们自己去生成,这个数据集正是对应了官方的coco128的例子,代码如下:
将生成的文件放到labels的目录下,然后打开labelImg->打开文件目录->选择images的目录->改变存放目录->选择labels即可。
以上下载的文件中,本人已经生成了classes.txt,打开试着左右滑动一下吧!
官方wiki:https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data