LabelImg 标注工具的使用（获取标注的图片数据集）

1 安装及使用

1.1 安装

Win + R输入cmd进入终端界面

LabelImg 安装命令：

pip install labelimg

没有配置国内 pip 源的，请看 $\Rightarrow$

1. 临时办法：在上述命令末尾添加源，如

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

2. 永久办法：可以参考我的这篇博客 Centos7上配置python环境 中的 5 更改pip源（ 含windows 系统和 centos 系统两种方式）

1.2 使用

LabelImg 安装成功后

调用命令：

labelimg

随后跳出程序，界面如下：

我们还可以使用以下调用命令：

labelimg JPEGImages classes.txt

打开 LabelImg 工具的同时打开 JPEGImage 文件夹，并初始化 classes.txt 里面定义的类（这样我们在标注图片的时候就不需要手动输入标签）

另外，为了更方便的标注图片，首先我们需要在LabelImg 工具的view选项卡中设置以下几项内容：

2 标注格式

LabelImg 是一款开源的数据标注工具，可以标注三种格式：

1. PascalVOC 标签格式，保存为 xml 文件

形式如下：

<?xml version='1.0' encoding='us-ascii'?>
<annotation>
	<folder>hat01</folder>
	<filename>000000.jpg</filename>
	<path>D:\dataset\hat01\000000.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>947</width>
		<height>1421</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>hat</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>60</xmin>
			<ymin>66</ymin>
			<xmax>910</xmax>
			<ymax>1108</ymax>
		</bndbox>
	</object>
</annotation>

2. YOLO 标签格式，保存为 txt 文件

形式如下：

0 0.512143611404435 0.4130893736805067 0.8975712777191129 0.733286418015482

以空格隔开，分别表示 类别（从0开始）、归一化后框的 x_center、归一化后框的 y_center、归一化后框的 w、归一化后框的 h

• 归一化坐标是一种将物体位置和尺寸描述为相对图像大小的方法，常用于目标检测和计算机视觉任务中。在归一化坐标下，物体位置和尺寸都变成了 0 到 1 之间 的值，方便神经网络进行处理。如果将这些值直接传递给神经网络，由于不同图像尺寸和物体大小的差异，会导致模型难以处理。
• 因此，我们需要将这些值转换成归一化坐标，分别将 x_center、y_center、 w、 h 除以图像的宽 width 或高 height，即 x_center/width、y_center/height、 w/width、 h/height

3. CreateML 标签格式，保存为 json 格式

形式如下：

[{
    
    "image": "000000.jpg", "annotations": [{
    
    "label": "hat", "coordinates": {
    
    "x": 490.3947368421052, "y": 593.5526315789473, "width": 832.0, "height": 1023.9999999999999}}]}]