xclabel
- 作者：北小菜
- 作者主页：https://www.yuturuishi.com
- gitee开源地址：https://gitee.com/Vanishi/xclabel
- github开源地址：https://github.com/beixiaocai/xclabel
软件介绍
xclabel是一款开源图像标注与模型训练工具，采用Python+Flask开发，跨平台支持Windows/Linux/Mac。
软件截图
核心功能：
- 多种标注类型（矩形、多边形等），支持图片、视频、LabelMe数据集导入
- AI自动标注，支持大模型（LMStudio、vLLM、ollama、阿里云）对图片和视频自动标注
- YOLO模型训练全流程：数据集上传、模型训练、断点恢复、模型测试、参数查看与下载
- YOLO格式数据集导出，可自定义训练/验证/测试比例
- 内置文件管理系统，支持文件浏览、上传、下载
- 全部静态资源本地化，支持离线部署
使用说明
-
安装依赖：
python -m venv venv # Windows venv\Scripts\activate # Linux/Mac source venv/bin/activate pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple # 如需训练功能 # 安装yolo11的ultralytics依赖库 pip install ultralytics==8.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install numpy==1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装cpu版torch依赖库 pip install torch==2.1.2 torchvision==0.16.2 -i https://pypi.tuna.tsinghua.edu.cn/simple # 安装cuda版torch依赖库 pip install torch==2.1.0 torchaudio==2.1.0 torchvision==0.16.0 --index-url https://download.pytorch.org/whl/cu121 -
启动服务：
python app.py --host 0.0.0.0 --port 9924 -
访问服务 ：浏览器打开 http://127.0.0.1:9924
-
模型训练 ：访问 http://127.0.0.1:9924/training ，上传数据集→选择模型→开始训练→测试/下载模型
项目结构
xclabel/
├── app.py # 主应用文件
├── AiUtils.py # AI自动标注工具类
├── requirements.txt # 依赖列表
├── static/ # 静态资源（图标、样式、脚本、Socket.IO本地库）
├── templates/ # 页面模板
│ ├── index.html # 标注主页
│ ├── training.html # 训练面板
│ ├── ai_config.html # AI配置
│ └── file_manager.html # 文件管理
├── pre_models/ # 预训练模型（.pt文件）
├── uploads/ # 上传存储（运行时自动创建）
│ ├── annotations/ # 标注数据
│ ├── config/ # 配置文件
│ ├── samples/ # 标注图片
│ └── training_datasets/ # 训练数据集
├── runs/ # 训练输出（运行时自动创建）
└── tmp/ # 训练临时文件（运行时自动创建）快捷键
- Ctrl+S：保存标注
- Ctrl+Shift+D：清除标注
技术栈
Flask + Flask-SocketIO | HTML/CSS/JS | OpenCV/PIL | Ultralytics YOLO11 | Socket.IO
版本历史
查看完整更新记录：CHANGELOG.md
授权协议
本项目自有代码使用MIT协议，保留版权信息即可自由使用。使用第三方库请遵循其各自授权协议。