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:标车 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
伞伞悦读3 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习
2601_9679791211 小时前
【一】tensorflow安装、常用python镜像源、tensorflow 深度学习强化学习教学
深度学习·tensorflow·安装教程·anaconda·gpu安装
tellmewhoisi13 小时前
深度学习0:数学知识:最大似然推导过程
人工智能·深度学习·概率论
罗西的思考1 天前
【轻量化复现大模型 / KIMI K3】训练模块梳理 & Muon P2P 优化器
人工智能·深度学习·机器学习
伞伞悦读1 天前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习
会飞锦鲤1 天前
基于 RT-DETR 的 PCB 缺陷检测
深度学习·目标检测·计算机视觉·pyqt5·rt-detr·工业质检·pcb缺陷检测
高洁012 天前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习
意念回复3 天前
从 RNN 到 GQA:自注意力与多头注意力机制全解析
人工智能·rnn·深度学习
哈尔滨张谦蛋4 天前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
chh5634 天前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert