yolo的自定义数据集及工具使用详解

古城微笑少年丶 2024-02-29 03:47 31阅读 0赞

## 一、工具 **labelimg** 的介绍 ##

**LabelImg** 是一个开源的图形**图像注释工具**，用于**创建边界/矩形框**（适用于要标注物体的位置和大小）和**多边形**注释（适用于标注非规则形状的物体）。它是用python写的，并使**用Qt作为其图形界面**，所以安装LabelImg需要安装Qt。LabelImg能够在Windows、Linux和macOS等多个平台上运行。它还支持各种类型的图像文件格式，如**JPG、PNG和 BMP**等。

## 二、标注的数据格式 ##

*  VOC标签格式，保存为.xml文件
 *  YOLO标签格式，保存为.txt格式
 *  CreateML标签格式，保存为.json格式

## 三、labelimg工具的安装 ##

### 1、创建并激活虚拟环境 ###

默认已经安装anaconda，未安装参考[Anacond下载安装配置教程详解][Anacond]

> \# 创建虚拟环境
> 
> conda create -n labelimg python=3.8
> 
> \# 激活虚拟环境
> 
> conda activate labelimg

### 2、执行安装LabelImg命令 ###

> 在虚拟环境中执行如下命令：
> 
> pip install PyQt5 -i https://pypi.tuna.tsinghua.edu.cn/simple/  
> pip install pyqt5-tools -i https://pypi.tuna.tsinghua.edu.cn/simple/  
> pip install lxml -i https://pypi.tuna.tsinghua.edu.cn/simple/  
> pip install labelImg -i https://pypi.tuna.tsinghua.edu.cn/simple/ （Img中的I要大写，注意）

## 四、工具使用说明 ##

### 1、创建所需文件夹 ###

创建数据集文件夹，默认是VOC2007，也可自定义。在VOC2007文件夹内创建3个文件夹：

*  名为 JPEGImages 的文件夹，存放的是需要打标签的图片
 *  名为 Annotations 存放标注的标签文件
 *  名为 predefined\_classes.txt 的txt文件来存放所要标注的类别名称（如果是YOLO数据集标注会自动在Annotations 中生成classes.txt）

![d238d111089b43819e4446e88d8fa317.png][]

### 2、准备数据 ###

将需要标注的图片存放在JPEGImages文件夹里（人、狗、猫三种类别照片）

将图片所属的类别写进predefined\_classes.txt文件里（人、狗、猫三种类别名称）

![f3a1a02f14254a30a2b1ed4fa7c338f0.png][]

![78f8fe352c6a4c2d9e7bd3d1c6409fb9.png][]

### 3、启动命令 ###

> 在虚拟环境中执行 labelmg 命令
> 
> ![ea73cb7915644d90aa0b764c756787cc.jpeg][]
> 
> 或 指定文件夹
> 
>     (labelimg)C: Users 12045>labelImg D:\AI\Python\VOC2007\JPEGImages D:\AI\Python\VOC2007\predefined_classes.txt D:\AI\Python\VOC2007\Annotation

指定文件夹打开之后，由于上述命令，会把相应的图片都加载过来，并在进行标注的时候，可以选择所属类别。![66071409fd374ba08c50bbcbf409eb50.png][]

### 4、工具界面说明 ###

![f7b2e3856e3649c8b6f3bcfa05fcf44e.png][]

![ddda73e2684a4ba6a40fec2c0eba6703.png][]

## 五、图像标注 ##

### 1、标注的过程 ###

首先选中1的Create RectBox位置，则会对图片进行矩形框的绘制2，在标注好之后，填充类别dog，点击ok，则进行标注成功。最后点击快捷键 D 进行自动保存（也可以进行手动保存），接着会出现下一张图片，用同样的方法进行标注。

![8a755977309240a1bf0a455973b3dd5f.png][]

### 2、标注结果 ###

#### 2.1 yolo注释结果 ####

![c524dc5c402f49cca71556c95d1d4dc8.png][]

![99d4946a6c8b410990a93f41f3cf0969.png][]

#### 2.2 VOC注释结果 ####

![00a501c046c841fa8f762ae12a00283f.png][]![097f5751b1d14c269d6e5fa34c840045.png][]

[Anacond]: https://blog.csdn.net/qq_41946216/article/details/129478882
[d238d111089b43819e4446e88d8fa317.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/48a957bc7400430982be5a972da9734f.png
[f3a1a02f14254a30a2b1ed4fa7c338f0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/5360499110c1452b91422716154c9ed9.png
[78f8fe352c6a4c2d9e7bd3d1c6409fb9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/508f55b87e9b46c29cbc382fd16c1dbb.png
[ea73cb7915644d90aa0b764c756787cc.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/f3939c01074e4858aaf5d003f2079009.png
[66071409fd374ba08c50bbcbf409eb50.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/fc0c8e29be354be1928708e32640fd04.png
[f7b2e3856e3649c8b6f3bcfa05fcf44e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/e3861e0477d3485f8d8d80f499200614.png
[ddda73e2684a4ba6a40fec2c0eba6703.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/bb2455eb970449559ec684325398ca29.png
[8a755977309240a1bf0a455973b3dd5f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/1b21cf23096143ae9d236ebfb1f0ec14.png
[c524dc5c402f49cca71556c95d1d4dc8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/1311b101661d4af8979e980cc0fcf335.png
[99d4946a6c8b410990a93f41f3cf0969.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/f93e354dfbd44843829c07dd1fa53238.png
[00a501c046c841fa8f762ae12a00283f.png]: https://img-blog.csdnimg.cn/00a501c046c841fa8f762ae12a00283f.png
[097f5751b1d14c269d6e5fa34c840045.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/29/485e35fba2e3484580c53b8258274e01.png