文章目录
- 1、 安装并运行Labelimg
- 1.1、安装Labelimg
- 1.2、运行Labelimg
- 2、查看数据集标注情况
- 2.1、创建类别名称文件classes.txt
- 2.2、使用Labelimg打开查看标注文件
- 2.3、正式标注
- 3、目标检测系列文章
本文主要介绍一下如何使用LabelImg查看已经标注好的YOLO数据集标注情况，主要涉及LabelImg安装与运行、查看数据集标注文件。
1、 安装并运行Labelimg
1.1、安装Labelimg
前提已经安装好anaconda环境
1、使用anaconda创建一个虚拟环境yololabel,命令如下：
conda create -n yololabel python=3.9
2、激活虚拟环境，命令如下：
conda activate yololabel
3、激活之后，在虚拟环境中安装labelimg ，命令如下，等待安装完成：
pip install labelimg==1.8.6 -i https://mirrors.aliyun.com/pypi/simple/
1.2、运行Labelimg
1、安装完成后，直接在控制台窗口输入labelimg，即可打开标注工具的界面窗口，如下：
labelimg
2、查看数据集标注情况
2.1、创建类别名称文件classes.txt
我的数据集目录结构如下，分为训练集train和验证集val两个目录
- images放置需要标注的图片
- labels放置标签信息（目前为空文件夹）
创建一个classes.txt文件，写入我们数据集标注的所有类别名称，供labelimg自动读取（如果没有这个文件的话会报错）。数据集的具体类别名称可以在datasets/waste/waste-classification.yaml中查看：
我这个里写入的classes.txt内容如下：
这里有四种类别，一种类别占据一行
创建完classes.txt文件后，将其分别放入训练集与验证集的labels标签目录下，如下所示：
2.2、使用Labelimg打开查看标注文件
1、点击Open Dir打开需要查看的标注图片文件夹，我这里选择train/images文件夹查看训练集的图片。
- 在工具栏中选择“Open”来加载单个图像
- 在工具栏中选择“Open Dir”来加载目标文件夹内的所有图像
- 在工具栏中选择“Change Save Dir”来改变yolo标签保存路径
2、打开标注图片文件夹
这里以查看训练集标注情况为例。
- 选择
train/images文件夹后，会有一个新的文件选择框，让你选择标注文件保存的文件夹，这里直接选择train/labels，即训练集图片对应的标签文件。 - 或者点击左边
Change Save Dir，保存yolo的标签。
3、标注前，先选择Auto save mode
由于已开启Auto Save mode，每次切换到新图片时，上一张图片的标注将自动保存。
4、点击左边PascalVOC 将其切换成为YOLO格式
2.3、正式标注
点击w，出现黑色十字坐标，拖动鼠标标记框，在输入名称（用英文名称！！）。- 标注框尽可能准确，不要框大或框小，会影响后续训练效果。
拖动选择标注对象，并命名
然后，点击右下角的列表或者软件左侧的上一张图片与下一张按钮（按D），即可查看每张图片的标注情况。也可以对已经标注好的检测框进行修改或者删除，或者添加新的检测框，保存即可，标签文件会自动对应修改。所有图片标完后，在目标数据集文件夹里即可看到对应txt文件。
3、目标检测系列文章
- YOLOv5s网络模型讲解(一看就会)
- 生活垃圾数据集（YOLO版）
- YOLOv5如何训练自己的数据集
- 双向控制舵机（树莓派版）
- 树莓派部署YOLOv5目标检测（详细篇）
- YOLO_Tracking 实践 （环境搭建 & 案例测试）
- 目标检测：数据集划分 & XML数据集转YOLO标签
- DeepSort行人车辆识别系统（实现目标检测+跟踪+统计）
- YOLOv5参数大全(parse_opt篇)
- YOLOv5改进（一）-- 轻量化YOLOv5s模型
- YOLOv5改进（二）-- 目标检测优化点（添加小目标头检测）
- YOLOv5改进（三）-- 引进Focaler-IoU损失函数
- YOLOv5改进（四）–轻量化模型ShuffleNetv2
- YOLOv5改进（五）-- 轻量化模型MobileNetv3
- YOLOv5改进（六）–引入YOLOv8中C2F模块
- YOLOv5改进（七）–改进损失函数EIoU、Alpha-IoU、SIoU、Focal-EIOU
- YOLOv5改进（八）–引入Soft-NMS非极大值抑制
- YOLOv5改进（九）–引入BiFPN模块
- 基于YOLOv10的车辆统计跟踪与车速计算应用
- 初探 YOLOv8（训练参数解析）
- YOLOv8不同模型对比和onnx部署详解
- 如何利用YOLOv8训练自己的数据集 && 3种加载模型场景讲解
- YOLOv8改进（一）-- 轻量化模型ShuffleNetV2