labelImg 使用教程 图像标定工具
labelImg 使用教程
LabelImg简介
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）另存为XML文件。此外，它还支持YOLO格式
LabelImg安装
安装请参考：VOC数据集图片标注工具labelImg简介、安装、使用方法详细攻略（windows） PyQt4、PyQt5
LabelImg用法
步骤（PascalVOC）
- 按照上面的说明进行构建和启动。
- 在菜单/文件中单击“更改默认保存的注释文件夹”
- 点击“打开目录”
- 点击“创建RectBox”
- 单击并释放鼠标左键以选择一个区域来标注矩形框
- 您可以使用鼠标右键拖动矩形框来复制或移动它
注释将保存到您指定的文件夹中。
您可以参考以下热键来加快工作流程。
步骤（YOLO）
- 在
data/predefined_classes.txt定义在您的训练中使用的类的列表。 - 按照上面的说明进行构建和启动。
- 在工具栏中的“保存”按钮下方，单击“ PascalVOC”按钮以切换为YOLO格式。
- 您可以使用Open / OpenDIR处理单个或多个图像。完成单个图像后，单击“保存”。
YOLO格式的txt文件将以与您的图片相同的名称保存在同一文件夹中。名为“ classes.txt”的文件也被保存到该文件夹。“ classes.txt”定义您的YOLO标签所引用的类名称的列表。
注意：
- 标签列表在处理图像列表的过程中不得更改。保存图像时，classes.txt也将被更新，而以前的注释将不被更新。
- 保存为YOLO格式时，请勿使用“默认类别”功能，否则将不会引用该功能。
- 当保存为YOLO格式时，“困难”标志将被丢弃。
创建预定义的类
您可以编辑 data / predefined_classes.txt 以加载预定义的类
热键
| 快捷键 | 功能 |
|---|---|
| Ctrl + u | 从目录加载所有图像 |
| Ctrl + R | 更改默认注释目标目录 |
| Ctrl + s | 储存 |
| Ctrl + d | 复制当前标签和矩形框 |
| space | 将当前图像标记为已验证 |
| w | 创建一个矩形框 |
| d | 下一张图片 |
| a | 上一张图片 |
| del | 删除选定的矩形框 |
| Ctrl ++ | 放大 |
| Ctrl– | 缩小 |
| ↑→↓← | 键盘箭头移动选定的矩形框 |
验证图片
当按下空格键时，用户可以将图像标记为已验证，然后将显示绿色背景。在自动创建数据集时使用此功能，然后用户可以浏览所有图片并标记它们，而不用对其进行注释。
设置困难识别对象
困难字段设置为1表示该对象已被注释为“困难”，例如，清晰可见但在不大量使用上下文的情况下很难识别的对象。根据您的深度神经网络实现，您可以在训练期间包括或排除困难对象。
相关项目
- ImageNet Utils下载图像，创建标签文本以进行机器学习等
- 使用Docker运行labelImg
- 生成PASCAL VOC TFRecord文件
- 基于Nick Roach（GPL）图标的App图标
- 在vscode中设置python开发
- 该项目在iHub平台上的链接
实际操作
- 先准备好两个文件夹，一个存放已经采集好的图片，另一个存放准备标定后的xml文件，并修改
data文件夹下的predefined_classes.txt类文件（我这里只设置一个类 ）并保存： - 在LabelImg文件夹右键控制台运行
python labelImg.py启动程序： - 点击
open dir，选择我们存放图片的文件夹，然后再选择我们准备存放xml文件的文件夹： - 然后点击
Create/nRectBox或按快捷键W开始画框： - 选择目标类别并点击ok
- 标完后点击Next Image或按快捷键D切换到下一张图片
- 当一张图片标记完成后，会在一开始我们设置存储xml文件的文件夹下生成一个xml文件：
- 打开可观察里面的内容：