人工智能训练师认证教程（1）数据标注-Labelimg的使用教程

[一、LabelImg 简介](#一、LabelImg 简介)

二、安装方法

[Windows 系统](#Windows 系统)

[macOS 系统](#macOS 系统)

[Linux 系统](#Linux 系统)

[1. PASCAL VOC 格式（XML）](#1. PASCAL VOC 格式（XML）)

[2. YOLO 格式（TXT）](#2. YOLO 格式（TXT）)

一、LabelImg 简介

LabelImg 是一款开源的图像标注工具，主要用于为机器学习项目创建标注数据集。它支持多种标注格式，包括：

PASCAL VOC（.xml 文件）
YOLO（.txt 文件）
CreateML（JSON 文件）

我们使用的标注工具是labelimg，接下来详细讲解如果安装使用labelimg。

labelimg 只支持矩形标注，如果需要更精准的多边形标准，可以使用labelme。

二、安装方法

Windows 系统

bash

复制代码

# 方法1：使用 pip 安装（需先安装 Python）
pip install labelImg

# 方法2：下载预编译的 exe 文件
# 访问 GitHub 仓库下载最新版本

macOS 系统

bash

复制代码

brew install python3
pip3 install labelImg
labelImg  # 启动

Linux 系统

bash

复制代码

sudo apt-get install pyqt5-dev-tools
pip3 install labelImg
labelImg

三、基本界面介绍

启动 LabelImg 后，界面主要分为以下区域：

菜单栏：文件操作、设置等
工具栏：常用功能快捷按钮
图像显示区：显示待标注图像
文件列表区：显示文件夹中的图像文件
标注列表区：显示当前图像的所有标注框

四、完整标注流程

步骤1：准备工作

创建项目文件夹结构：

text

复制代码

project/
├── images/      # 存放原始图片
├── annotations/ # 存放标注文件
└── classes.txt  # 类别列表文件

创建 classes.txt，每行一个类别名称：

text

复制代码

person
car
dog
cat

步骤2：打开标注工具

bash

复制代码

# 启动 LabelImg
labelImg

# 或者指定图片文件夹
labelImg [图片文件夹路径]

步骤3：设置参数

选择标注格式：
- View → Use default label 或 Use label.txt file
- 选择 labels.txt 文件路径
设置保存路径：
- File → Change Save Dir 选择保存标注文件的目录

步骤4：开始标注

打开图像文件夹：
- File → Open Dir 选择图片文件夹
创建标注框：
- 按 W 键或点击 Create RectBox 按钮
- 在目标物体周围拖动鼠标绘制边界框
- 选择类别标签（或手动输入）
- 点击 OK 完成
调整标注框：
- 拖动边界框调整位置和大小
- 右键标注框可删除或修改类别

步骤5：保存和导航

保存标注：
- 按 Ctrl+S 或点击 Save 保存当前标注
- 按 Ctrl+Shift+S 自动保存并跳转到下一张
图像导航：
- 上一张：A 或 ←
- 下一张：D 或 →
- 跳转到指定图像：滚动文件列表

五、常用快捷键

快捷键	功能
`W`	创建边界框
`Ctrl + S`	保存当前标注
`Ctrl + Shift + S`	保存并下一张
`A` / `←`	上一张图像
`D` / `→`	下一张图像
`Ctrl + D`	复制当前标注框
`Del`	删除选中标注框
`Ctrl + +`	放大图像
`Ctrl + -`	缩小图像
`Space`	标记为已验证
`Ctrl + R`	修改默认标注文件夹

六、标注规范与技巧

标注原则

边界框贴合：尽量紧密包围目标物体
完整性：确保目标完全在框内
一致性：同类物体使用相同标注标准
遮挡处理：部分遮挡的物体仍应标注完整形状

提高效率的技巧

批量操作：
- 先快速标记所有同类别物体
- 再统一调整边界框
复制粘贴：
- 相似物体可复制标注框后微调
使用预设标签：
- 提前设置好常用类别，减少手动输入

七、输出格式说明

1. PASCAL VOC 格式（XML）

xml

复制代码

<annotation>
    <folder>images</folder>
    <filename>image1.jpg</filename>
    <size>
        <width>1920</width>
        <height>1080</height>
        <depth>3</depth>
    </size>
    <object>
        <name>person</name>
        <bndbox>
            <xmin>100</xmin>
            <ymin>200</ymin>
            <xmax>300</xmax>
            <ymax>400</ymax>
        </bndbox>
    </object>
</annotation>

2. YOLO 格式（TXT）

text

复制代码

# class_id center_x center_y width height
0 0.5 0.6 0.2 0.3

坐标已归一化（0-1）
每个物体一行

八、常见问题解决

问题1：无法保存标注

解决方法：

确保选择了保存目录
检查文件写入权限
关闭文件占用程序

问题2：标签不显示

解决方法：

检查 classes.txt 格式是否正确
重新加载标签文件
确认文件编码为 UTF-8

问题3：快捷键无效

解决方法：

确保焦点在图像区域
检查快捷键冲突
重启 LabelImg

九、高级功能

自动标注

bash

复制代码

# 使用预训练模型辅助标注
# 需要集成外部工具或自行开发

批量转换格式

python

复制代码

# 使用脚本转换 VOC 到 YOLO
import xml.etree.ElementTree as ET
# 转换代码...

质量检查

使用 Space 标记已验证图像
开发脚本检查标注一致性
使用可视化工具验证标注

十、最佳实践建议

团队协作：
- 建立统一的标注规范文档
- 定期进行标注一致性检查
- 使用版本控制管理标注文件
质量控制：
- 设置验收标准
- 进行交叉验证
- 统计标注质量指标
效率优化：
- 对相似图像分组标注
- 使用快捷键熟练操作
- 定期备份标注数据

十一、后续步骤

完成标注后：

数据划分：分为训练集、验证集、测试集
格式转换：根据需要转换为目标框架格式
数据增强：扩展数据集规模
模型训练：使用标注数据训练目标检测模型

学习资源

这个教程涵盖了 LabelImg 的基本使用到高级技巧，建议先从简单的项目开始练习，熟练掌握后再进行大规模标注任务。