LabelImg制作自己的数据集

最新推荐文章于 2024-04-15 21:11:30 发布
最新推荐文章于 2024-04-15 21:11:30 发布
阅读量1.8k 收藏 6
点赞数 1
文章标签： 目标检测 工具
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/weixin_42835209/article/details/95339667
版权

下载LabelImg工具：
链接：https://pan.baidu.com/s/1_py_dQ0vxm8WXLsHA_ekIw
提取码：oo6b

下载完成后点开labelImg.exe
在这里插入图片描述
打开后会弹出如下窗口：
在这里插入图片描述

然后点击Open dir选择图片所在路径
点击Change save dir 更改xml保存路径

几个常用快捷键：

快捷键功能
ctrl + 鼠标滚轮放大缩小
w画框
a上一张图片
d下一张图片
ctrl + s保存
ctrl + q退出

步骤大致如下：
第一步： 按下w， 选择感兴趣区域， 然后进行框选， 然后弹出自定义标签信息。
在这里插入图片描述
然后点击OK， 图片就打上标注了。
接下来按着ctrl + s, 保存xml文件。
再按下d, 切换到下一张图片， 重复上述步骤。

最后在自己选择的路径下会出现一堆与图片文件同名的xml文件
在这里插入图片描述

以上就是LabelImg制作自己的数据集的所有内容

Tide-莫斌
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
YOLO5实战2-教你使用labelimg制作自己的深度学习目标检测数据集
Aaron的博客
07-18 1152
LabelImg是一个图形图像注释工具。它是用Python编写的，并使用Qt作为其图形界面。同时它也是一款开源的数据标注工具，可以标注三种格式。标注的格式数据可用于人工智能数据集训练。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。待标注图片数据的路径文件夹，这里输入命令的时候就选定了JPEGImages。（当然这是可以换的）保存类别标签的路径文件夹，这里我们选定了Annotations文件夹。常用快捷键功能A。...
Label Expert -Untitled标签模板制作打印软件（附送2个模板）
09-12
Label Expert -Untitled模板制作打印软件（标签模板） A4网线标签打印纸 打印模板软件（附送2个模板） A4网线标签防水线缆标签彩色不干胶通信机房贴纸P型可手写打印纸用的软件及模板 打印软件安装包（温馨提示：所有长方形标签模板必需安装此软件才能打开哦） 84026(P型网线标签） A4缠绕膜标签
labelimg制作自己的数据集（VOC）
weixin_41381277的博客
03-10 1183
借鉴：https://blog.csdn.net/xunan003/article/details/78720189 请读者先去了解VOC2007数据集的构造！！ 目标检测中，原始图片的标注过程是非常重要的，它的作用是在原始图像中标注目标物体位置并对每张图片生成相应的xml文件表示目标标准框的位置。然而博主转载的文章http://blog.csdn.net/u014696921/arti...
如何用LabelImg做目标检测数据集
Billie使劲学的博客
06-09 1103
目录一、使用LabelImg对图片进行标注1.LabelImg的安装与打开2.制作标签二、划分训练集验证集在环境下输入pip install labelimg进行安装安装完成后，直接键入labelimg，注意不要在Python中键入，或者重新打开一个命令行键入也可然后就会跳出这个界面，这就是我们标注要用的工具啦要标注图片首先要有图片，我们需要准备一个待标注的图片文件夹如图所示，图片的命名最好标准一点，最好不要以n开头（防止路径"\"被翻译成回车）然后打开LabelImg，选择打开文件夹 打开后labelim
使用labelimg制作YOLO数据集
最新发布
facepiece_的博客
04-15 1322
​ 最近一直在做目标检测的内容，使用YOLOv8(https://github.com/ultralytics/ultralytics)建立目标检测模型，需要自己制作YOLO格式的数据集，因此记录一下如何使用labelimg制作YOLO格式的数据集的整个流程。
LabelImg安装与使用
09-25 8475
简介 LabelImg是一个开源的图形图像注释工具，地址：https://github.com/tzutalin/labelImg 它是用Python编写的，它的图形界面使用PyQt，注释以Pascal VOC格式保存为xml文件，这种格式是ImageNet，此外，它还支持YOLO格式，本文将讲解如何使用LabelImage工具标注图片信息用于训练自己的数据集 下载安装 你可以去GitHub下载源码并配置好环境直接运行，如果你不会的话或太懒，没事我已经把源代码编译好了，下载解压就能直接用了，废话不多说
制作labelme数据集（tusimple数据集）
如果没有最优解，那就找到可行解
07-22 2084
1：安装labelme （可百度，最好安在虚拟环境） 2：cmd 到图片上层文件夹，在终端激活labelme环境，然后直接输入labelme打开labelme标注工具 3：opendir-图片文件夹选择保村json的文件夹 4：选择点，线，区域进行标注 如果有两种区域或者两条线路则不同区域线路的名字区别一下 5：标注完成后生产n（图片个数）个json 6：在json文件夹下运行批处理文件： @echo off activate labelme & for %%i in (*..
labellmg制作标签
weixin_46074503的博客
04-26 784
Labellmg使用方法 Labellmg主要是用来制作标签，用于图片识别。 安装包下载地址：https://github.com/tzutalin/labelImg 在文件夹（命名为VOC2012）中放入两个文件夹一个命名（Annotations）一个命名为（JPEGImages）如下： 其中JPEG文件夹中放入你所找到的图片，Annotations中放入标签文档 打开labellmg找到Change save Dir点击，找到刚创建的文件夹保存到Annotations中 ...
LabelImg制作自己的数据集-附件资源
03-02
LabelImg制作自己的数据集-附件资源
labelImg-master数据集制作
10-20
本篇文章将深入探讨`labelImg`的使用，以及如何利用它来制作数据集。 `labelImg`是由AlexeyAB开发的Python应用，支持Windows、Mac OS和Linux操作系统。这个工具的主要功能是为图像添加矩形框标注，以便训练目标检测...
目标检测-利用labelimg制作自己的深度学习目标检测数据集
12-06
labelimg安装教程
labelImg打好标签的车牌数据
07-18
自然场景下的车牌定位，自己拍的，使用labelImg给车牌位置打上了标签
labelImg-master
05-01
labelImg是用于给图片进行标签的工具，可以生成目标检测的训练数据集
车牌定位标签数据111
07-18
使用labelImg打好标签车牌定位数据，车辆图片是网络上的
制作label标注
10-31
window下的小工具，无需安装，通过加载图片手动截取目标区域，选取label进行标注，自动生成目标区域的VOC格式的xlm文档，界面清晰，操作简单（注意，需要自己建立一个文件夹存放结果）
labelimg标注好的车牌数据，500多张
01-19
个人收集整理的车牌数据集，使用labelimg标注好位置，可以用于目标检测框架
labelimg数据标注工具，免安装版
07-17
直接点击压缩包运行exe文件用于图像处理，制作自己的数据集标注工具，labelimg快速标注。在labelImg窗口的左边，有一些操作的功能，其中：“Open”是打开单个图像，“Open Dir” 打开文件夹，"Change Save Dir" ...
使用labelImg制作自己的数据集（VOC2007格式）用于Faster-RCNN训练
热门推荐
把岁月化成歌 留在博客
01-02 3万+
一、数据集文件夹 新建一个文件夹，用来存放整个数据集，或者和voc2007一样的名字：VOC2007 然后像voc2007一样，在文件夹里面新建如下文件夹： 二、将训练图片放到JPEGImages 将所有的训练图片放到该文件夹里，然后将图片重命名为VOC2007的“000005.jpg”形式 图片重命名的代码（c++，python，matlab），参考：http://blog.c...
labelImg数据集制作
guo___ke的博客
09-18 423
https://blog.csdn.net/qq_41185868/article/details/79945012 https://blog.csdn.net/qq_38153833/article/details/88706913（ubuntu18.04推荐）
labelimg yolov5数据集制作
07-28
你可以使用LabelImg工具来制作YOLOv5数据集。下面是一些步骤供你参考： 1. 安装LabelImg：首先，你需要安装LabelImg工具。你可以在GitHub上找到它的源代码并进行安装。 2. 准备图像：将你的图像文件存放在一个文件夹中，确保它们是你想要标记的对象的图像。 3. 打开LabelImg：打开LabelImg工具，并点击"Open Dir"按钮选择你准备好的图像文件夹。 4. 设定标签：点击左上角的"Create RectBox"按钮，然后在图像上拖动鼠标来创建一个矩形框，框出你想要标记的对象。在弹出的对话框中，输入该对象的标签。 5. 进行标记：继续在图像上创建矩形框并标记其他对象。你可以使用快捷键Ctrl + s来保存标记。 6. 导出标签：点击左上角的"Save"按钮，将标签以XML格式保存在一个文件夹中。每个图像都应有相应的XML文件。 7. 转换为YOLOv5格式：使用脚本将XML标签转换为YOLOv5格式。你可以在GitHub上找到一些脚本来完成这个任务。 8. 划分训练集和验证集：根据你的需求，将数据集划分为训练集和验证集。通常，80%的数据用于训练，20%用于验证。 9. 调整图像大小：YOLOv5需要将图像调整为相同的大小。你可以使用图像处理库（如OpenCV）来实现这一步骤。 10. 创建数据集配置文件：创建一个配置文件，指定训练和验证数据集的路径、类别等信息。 11. 开始训练：使用YOLOv5框架进行训练。你可以参考YOLOv5的文档来了解如何进行训练。 这些步骤应该可以帮助你制作YOLOv5数据集。请记住，根据你的具体需求，可能还需要进行一些额外的步骤或调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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
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