LabelImg的使用

当前文章使用环境:安装了Anconada,pychram;

先切入当前环境,在pychram工程上直接点开Terminal即可进入当前工程环境。我的环境是yolov5;这个需要自己配置即可。如下图:

我这里是已经安装好labelimg了。

现在开始步骤:

1,安装LabelImg;

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

 2,检查安装是否ok;

 直接输入labelimg看下这个界面是否出来

3,搞一个txt文件,用来做标签。我的直接是“新建文本文档.txt”。里面写了两三个类

 4,执行   “labelimg H:\pythonmodeltrain\数据集\猫狗数据集\val H:\pythonmodeltrain\数据集\猫狗数
据集\cat\新建文本文档.txt” 

其中 “H:\pythonmodeltrain\数据集\猫狗数据集\val” 是我安放图片集的文件夹;“H:\pythonmodeltrain\数据集\猫狗数
据集\cat\新建文本文档.txt” 是标志;这条指令是指定了从哪个文件夹获取图片进行注解,然后里面的类型是哪些。如图:

这里只需要再设置“Change save Dir"指定注释好的文件放哪;“yolo”那里可以指定以哪种注解方式保存。 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
LabelImg是一个图像标注工具,可以用于在图像中标记物体的边界框。它可以帮助我们创建用于目标检测的数据集。LabelImg提供了一个图形化界面,使得标注过程更加直观和方便。官方的LabelImg界面是英文版的,但通过修改字体包,我们可以将界面修改成中文版,以便用户更好地使用使用LabelImg的步骤如下: 1. 首先,我们需要下载并安装LabelImg。可以从PyPI链接下载并安装,或者从官方GitHub仓库获取源代码自行安装。 2. 安装完成后,可以通过命令行启动LabelImg。在cmd中输入"labelimg"即可打开LabelImg工具。 3. 打开图片文件夹,选择要标注的图片进行展示。LabelImg支持常见的图片格式和分辨率,如高度375像素,宽度500像素的图片。 4. 在展示的图片上,使用鼠标绘制物体的边界框,标记出物体的位置和大小。标注效果会即时展示在图片上,并且在之前指定的文件夹下自动得到与图片同名的xml文件,其中包含了标注信息。 通过以上步骤,我们可以使用LabelImg进行目标检测数据集的标注。这样标注后的数据集可以被用于训练目标检测模型,如Faster R-CNN、YOLO、SSD等。 总结一下,LabelImg是一个可视化的图像标注工具,可以方便地标记物体的边界框。使用LabelImg可以通过几个简单的步骤打开图片文件夹、进行标注,并自动保存标注结果。这使得创建目标检测数据集变得更加高效和方便。

“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 3
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

tiwolf_li

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