labelimg使用指南

YOLOv8目标检测(一)_检测流程梳理:YOLOv8目标检测(一)_检测流程梳理_yolo检测流程-CSDN博客

YOLOv8目标检测(二)_准备数据集:YOLOv8目标检测(二)_准备数据集_yolov8 数据集准备-CSDN博客

YOLOv8目标检测(三)_训练模型:YOLOv8目标检测(三)_训练模型_yolo data.yaml-CSDN博客

YOLOv8目标检测(三*)_最佳超参数训练:YOLOv8目标检测(三*)_最佳超参数训练_yolov8训练的超参数-CSDN博客

YOLOv8目标检测(四)_图片推理:YOLOv8目标检测(四)_图片推理-CSDN博客

YOLOv8目标检测(五)_结果文件(run/detrct/train)详解:YOLOv8目标检测(五)_结果文件(run/detrct/train)详解_yolo训练结果文件含义-CSDN博客

YOLOv8目标检测(六)_封装API接口:YOLOv8目标检测(六)_封装API接口-CSDN博客

下面是一些笔者使用软件时的一些常见问题,供各位读者进行参考。

一、替换/添加预设标签

为什么要添加预设标签?

添加预设标签后,下次打开选中区域后可直接选择,无需再次手动输入,省事儿。

注:若标注内容不变此步骤可跳过

1. 打开labelimg配置文件目录

笔者这里是把pip install labelimg里面的内容打包成一个exe了,找到下面文件即可。

2. 替换/添加data文件

二、选择标注图片和标签存放位置

1.选择图片文件夹

选择图片文件夹

选择后成功读取到图片

2.选择图片标签存放文件夹

选择图片标签存放位置

三、确认储存格式

1. 无label时或xml标签时

确认为PascalVOC格式

2. 标签为txt格式时

确认为YOLO格式,且确保标签文件内有classes.txt文件(内容为标签类别)

(1)确认存储格式为YOLO格式

(2)确保标签文件夹内有classes.txt文件,且有内容

标签文件夹下classes.txt

示例classes.txt内容

四、选择自动保存

选择自动保存

五、开始标注

车辆标注参考步骤

标注任务: 和不同颜色的车牌 (车身出现大于百分之50就标),标注区域尽量小

1.选择标注目标(车)区域和对应类别

选择标注目标和类别

2.标注成功后会在右侧区域显示标签(标签保存文件夹下会生成一个xml文件)

标注成功示意图

标注成功后类别和坐标信息如红框所示

六、闪退解决办法

一定要看报错,闪退日志很快,可以截图到,下面是一个常用用的方法,相当于还原系统。

常见的报错:标签文件中没有classes,或者classes类别个数不相符。

删除 C:\Users\your_userid\labelImgSettings.pkl后重新打开来labelimg,如下图:

注:安装路径需要按照自己的找。

以上操作是删除了labelimg的默认配置,重新打开labelimg,大部分问题可能解决。

七、标注快常用快捷键

1.创建区块(W)

创建区块快捷键图

2.翻页(A向前翻页D向右翻页)

3.放大(ctrl+鼠标滚轮)

4.删除(delete)

选中要删除的区域或标签,选中后区域为蓝色,delete或右键删除

删除区块示意图

相关推荐
CoovallyAIHub1 小时前
OCR战场再起风云:LightOnOCR-1B凭什么比DeepSeekOCR快1.7倍?(附演示开源地址)
深度学习·算法·计算机视觉
武子康2 小时前
AI研究-120 DeepSeek-OCR 从 0 到 1:上手路线、实战要点
人工智能·深度学习·机器学习·ai·ocr·deepseek·deepseek-ocr
L.EscaRC2 小时前
【AI基础篇】Transformer架构深度解析与前沿应用
人工智能·深度学习·transformer
化作星辰2 小时前
四层神经网络案例(含反向传播)
人工智能·深度学习·神经网络
TYUT_xiaoming2 小时前
ubuntu22.04 GPU环境安装mindspore
linux·人工智能·深度学习
lybugproducer3 小时前
深度学习专题:模型训练的数据并行(三)
人工智能·深度学习·概率论
武子康4 小时前
AI研究-118 具身智能 Mobile-ALOHA 解读:移动+双臂模仿学习的开源方案(含论文/代码/套件链接)
人工智能·深度学习·学习·机器学习·ai·开源·模仿学习
tt5555555555554 小时前
《神经网络与深度学习》学习笔记一
深度学习·神经网络·学习
mm-q29152227294 小时前
YOLOv5(PyTorch)目标检测实战:TensorRT加速部署!训练自己的数据集(Ubuntu)——(人工智能、深度学习、机器学习、神经网络)
人工智能·深度学习·机器学习
Coovally AI模型快速验证5 小时前
未来已来:从 CVPR & ICCV 观察 2025→2026 年计算机视觉的七大走向
人工智能·深度学习·目标检测·计算机视觉·stable diffusion