人工智能训练师认证教程（1）数据标注-Labelimg的使用教程

目录

一、LabelImg 简介

二、安装方法

Windows 系统

macOS 系统

Linux 系统

三、基本界面介绍

四、完整标注流程

步骤1：准备工作

步骤2：打开标注工具

步骤3：设置参数

步骤4：开始标注

步骤5：保存和导航

五、常用快捷键

六、标注规范与技巧

标注原则

提高效率的技巧

七、输出格式说明

1. PASCAL VOC 格式（XML）

2. YOLO 格式（TXT）

八、常见问题解决

问题1：无法保存标注

问题2：标签不显示

问题3：快捷键无效

九、高级功能

自动标注

批量转换格式

质量检查

十、最佳实践建议

十一、后续步骤

学习资源

一、LabelImg 简介

LabelImg 是一款开源的图像标注工具，主要用于为机器学习项目创建标注数据集。它支持多种标注格式，包括：

• PASCAL VOC（.xml 文件）

• YOLO（.txt 文件）

• CreateML（JSON 文件）

我们使用的标注工具是labelimg，接下来详细讲解如果安装使用labelimg。

labelimg 只支持矩形标注，如果需要更精准的多边形标准，可以使用labelme。

二、安装方法

Windows 系统

bash

# 方法1：使用 pip 安装（需先安装 Python） pip install labelImg # 方法2：下载预编译的 exe 文件 # 访问 GitHub 仓库下载最新版本

macOS 系统

bash

brew install python3 pip3 install labelImg labelImg # 启动

Linux 系统

bash

sudo apt-get install pyqt5-dev-tools pip3 install labelImg labelImg

三、基本界面介绍

启动 LabelImg 后，界面主要分为以下区域：

1. 菜单栏：文件操作、设置等

2. 工具栏：常用功能快捷按钮

3. 图像显示区：显示待标注图像

4. 文件列表区：显示文件夹中的图像文件

5. 标注列表区：显示当前图像的所有标注框

四、完整标注流程

步骤1：准备工作

1. 创建项目文件夹结构：

text

project/ ├── images/ # 存放原始图片 ├── annotations/ # 存放标注文件 └── classes.txt # 类别列表文件

1. 创建classes.txt，每行一个类别名称：

text

person car dog cat

步骤2：打开标注工具

bash

# 启动 LabelImg labelImg # 或者指定图片文件夹 labelImg [图片文件夹路径]

步骤3：设置参数

1. 选择标注格式：

   • View→Use default label或Use label.txt file

   • 选择labels.txt文件路径

2. 设置保存路径：

   • File→Change Save Dir选择保存标注文件的目录

步骤4：开始标注

1. 打开图像文件夹：

   • File→Open Dir选择图片文件夹

2. 创建标注框：

   • 按W键或点击Create RectBox按钮

   • 在目标物体周围拖动鼠标绘制边界框

   • 选择类别标签（或手动输入）

   • 点击OK完成

3. 调整标注框：

   • 拖动边界框调整位置和大小

   • 右键标注框可删除或修改类别

步骤5：保存和导航

1. 保存标注：

   • 按Ctrl+S或点击Save保存当前标注

   • 按Ctrl+Shift+S自动保存并跳转到下一张

2. 图像导航：

   • 上一张：A或←

   • 下一张：D或→

   • 跳转到指定图像：滚动文件列表

五、常用快捷键

六、标注规范与技巧

标注原则

1. 边界框贴合：尽量紧密包围目标物体

2. 完整性：确保目标完全在框内

3. 一致性：同类物体使用相同标注标准

4. 遮挡处理：部分遮挡的物体仍应标注完整形状

提高效率的技巧

1. 批量操作：

   • 先快速标记所有同类别物体

   • 再统一调整边界框

2. 复制粘贴：

   • 相似物体可复制标注框后微调

3. 使用预设标签：

   • 提前设置好常用类别，减少手动输入

七、输出格式说明

1. PASCAL VOC 格式（XML）

xml

<annotation> <folder>images</folder> <filename>image1.jpg</filename> <size> <width>1920</width> <height>1080</height> <depth>3</depth> </size> <object> <name>person</name> <bndbox> <xmin>100</xmin> <ymin>200</ymin> <xmax>300</xmax> <ymax>400</ymax> </bndbox> </object> </annotation>

2. YOLO 格式（TXT）

text

# class_id center_x center_y width height 0 0.5 0.6 0.2 0.3

• 坐标已归一化（0-1）

• 每个物体一行

八、常见问题解决

问题1：无法保存标注

解决方法：

1. 确保选择了保存目录

2. 检查文件写入权限

3. 关闭文件占用程序

问题2：标签不显示

解决方法：

1. 检查classes.txt格式是否正确

2. 重新加载标签文件

3. 确认文件编码为 UTF-8

问题3：快捷键无效

解决方法：

1. 确保焦点在图像区域

2. 检查快捷键冲突

3. 重启 LabelImg

九、高级功能

自动标注

bash

# 使用预训练模型辅助标注 # 需要集成外部工具或自行开发

批量转换格式

python

# 使用脚本转换 VOC 到 YOLO import xml.etree.ElementTree as ET # 转换代码...

质量检查

1. 使用Space标记已验证图像

2. 开发脚本检查标注一致性

3. 使用可视化工具验证标注

十、最佳实践建议

1. 团队协作：

   • 建立统一的标注规范文档

   • 定期进行标注一致性检查

   • 使用版本控制管理标注文件

2. 质量控制：

   • 设置验收标准

   • 进行交叉验证

   • 统计标注质量指标

3. 效率优化：

   • 对相似图像分组标注

   • 使用快捷键熟练操作

   • 定期备份标注数据

十一、后续步骤

完成标注后：

1. 数据划分：分为训练集、验证集、测试集

2. 格式转换：根据需要转换为目标框架格式

3. 数据增强：扩展数据集规模

4. 模型训练：使用标注数据训练目标检测模型

学习资源

• 官方 GitHub 仓库

• 视频教程

• 标注规范模板

这个教程涵盖了 LabelImg 的基本使用到高级技巧，建议先从简单的项目开始练习，熟练掌握后再进行大规模标注任务。