❀YOLOv5学习❀图像标注工具LabelImg的下载,配置和使用。

LabelImg是图形图像注释工具。它是用Python编写的,并将Qt用于其图形界面。批注以PASCAL VOC格式(ImageNet使用的格式)另存XML文件。此外,它还支持YOLO格式。下载这个,主要是为了YOLOv5中,做自己的数据集,自己对图片进行打标签,然后生成需要的文件。

Labelimg的下

环境配置:

Windous10

Anaconda

打开github的安装包地址:https://github.com/tzutalin/labelImg

下载.zip文件。

压缩到d盘。

然后在anaconda中,建立虚拟环境,about_pyqt5.

安装pyqt5:

其次,安装PyQt5-tools

在pycharm中,打开labeling-master项目,添加about_pyqt5虚拟环境,添加lxml,sip库。

直接运行出现

在anaconda prompt中,在about_pyqt5环境下打开labelimg-master的文件夹,并输入

 pyrcc5 -o resources.py resources.qrc

这时在labelimg-master文件夹中,就会出现resources.py文件,

然后把resources.py移到libs文件夹中。

将labelimg.py中29和30行,将4改为5.

改完后

再次运行代码就出现了。

切记:一定要在当时建立虚拟环境下打开( 比如我的就是about_pyqt5),要不然会出错。

参考博客:

LabelImg的安装和使用 - 简书 (jianshu.com)

labelImg安装遇到的问题及解决方案 - 灰信网(软件开发博客聚合) (freesion.com)

window+pycharm+anaconda运行labelImg源码,且labelImg-master中没有resources.py_wtzszzx的博客-CSDN博客

LabelImg的使用

 按键功能介
在labelImg窗口的左边功能键介绍:
“Open”是打开单个图像,
“Open Dir” 打开文件夹,
"Change Save Dir" 图像保存的路径,
“Next Image” 切换到下一张图像,
“Prev Image”切换到上一张图像,
“Verify Image”校验图像,
“Save”保存图像,
“Create RectBox”画标注框一个,
“Duplicate RectBox”重复标注框,
“Delete RectBox”删除标注框,
“Zoom In” 放大图像,
“Zoom Out” 缩小图像,
“Fit Window”图像适用窗口,
“Fit Width”图像适应宽度。

 

过程:

提前建好一个文件夹(我的是myface),一个文件夹里新建俩个文件夹,一个是存放原始图片image,一个是打完标签后存放xml的文件夹annotations。我在image中存了6张照片,然后在labelimg中打开文件夹。

选择create RectBox框出我的脸,我自定义一个标签lina.,

选择view中aoto save model,自动保存。

点下一张图片,进行打标签,全部打完标签之后,

一个有lina标签的.txt文件。还有保存打标后的xml文件.后输出

注意:这个位置可以切换你打完标签后的格式。

默认是打完标签输出.xml

我不小心点到create ml然后输出了一次.Json格式的文件。

用pycharm打开一个xml文件

因为我主要是想要通过yolov5进行训练,所以改为txt格式。

重新框了一遍脸。

然后应该可以在项目中使用啦!!!

参考博客:

labelimg标注工具使用_小白不白-CSDN博客_labelimg
图片标注工具LabelImg使用教程_zchang81的博客-CSDN博客_labelimg使用教程

总结:

其实中间有遇到很多错误,但是有的光想着解决没有写到博客中,反正就是遇到的错误多了,比顺利的时候多了解一些东西。也不算是原创,算是把大佬的博客跟着做了一遍,加深了对软件的了解。还有自己在做这些事情时,遇到的问题以及解决记录。

  • 23
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
对于基于YOLOv5图像识别数据标注,您可以按照以下步骤进行: 1. 准备数据集:收集并整理相关的图像数据集,确保每个图像都包含您感兴趣的目标物体。 2. 安装YOLOv5:您需要安装YOLOv5配置相关环境。可以参考YOLOv5的官方文档或GitHub仓库获取详细的安装指南。 3. 数据标注使用YOLOv5提供的图形界面或命令行工具来进行数据标注YOLOv5提供了一个名为labelImg的图形界面工具,让您可以手动标注图像中的目标物体。您也可以使用命令行工具来自动化标注过程,例如使用已经训练好的模型来生成初步标注结果,然后再进行手动修正。 4. 标注格式:YOLOv5使用标注格式是简单而有效的,每个图像对应一个同名的txt文件,其中包含了目标物体的类别和边界框信息。您可以根据YOLOv5的文档了解具体的标注格式要求。 5. 数据集划分:将标注完成的数据集划分为训练集、验证集和测试集。通常建议将数据集按照一定比例划分,例如70%用于训练,10%用于验证,20%用于测试。 6. 训练模型:使用标注完成的数据集来训练YOLOv5模型。您可以参考YOLOv5的文档了解如何进行模型训练。训练过程需要选择适当的超参数,并设置训练时的相关配置。 7. 模型评估:训练完成后,使用验证集或测试集来评估模型的性能。通常可以使用指标如精度、召回率和平均精度均值(mAP)来评估模型在目标检测任务上的表现。 8. 模型应用:训练好的YOLOv5模型可以用于实际的图像识别任务。您可以将模型部署到相应的环境中,例如服务器、移动设备或嵌入式系统,并使用它来对新的图像进行目标检测。 请注意,以上步骤仅提供了基本的流程,具体实施过程可能因您的需求和情况而有所不同。建议您参考YOLOv5的文档和相关教程,以获得更详细和准确的指导。

“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 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

夏天|여름이다

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
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