为什么这一部分内容这么少会单独拎出来呢,因为后期会接着介绍YOLOv8中的其他任务,会使用其他软件进行标注,所以就单独区分开来每一个任务的标注方式了。
这一部分就介绍目标检测任务的标注,数据集是我从COCO2017Val中抽出来两类:person和surfboard,共140张,需要的可以自取:链接, 提取码:b9hs.
还有LabelImg压缩包链接:链接 提取码:isst.
1.LabelImg下载
将LabelImg下载下来之后,直接解压,然后按照github上的说明进行安装。如图所示,Window系统下需要额外下载pyqt5、lxml这两个库,然后进入到解压文件夹编译后就可以使用了,在执行下面指令之前,可以新建一个环境专门用来保存标注的环境:
完整指令为:
python
conda create -n labelImg python=3.8 -y
conda activate labelImg
cd E:\edgeDownLoad\labelImg-master
conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py
在标注之前,我习惯把预设的标签改过来,文件在data/predefined_classes.txt路径下,改成自己要标注的类别,比如我的数据集中有两个类:分别为person和surfboard,按照顺序写进去就行。然后就可以开始伟大而艰巨的标注工作了。
2.目标检测数据标注
标注没有什么特别需要注意的地方,注意保存为YOLO格式数据就行。
我这里准备的是coco2017Val里面同时包含person和surfboard这两类的图片,筛选出来后一共有140张图片,当成本次的训练集和验证集,大海还是很漂亮的,如果需要这个数据集,可以在文章开头自取。