Label Studio 安装与使用完整文档（可直接复制部署）

一、工具介绍

Label Studio 是开源免费的数据标注工具，支持图像、文本、语音、时序数据标注，广泛用于深度学习数据集制作。

特点：跨平台、部署简单、支持团队协作、支持导出 YOLO / COCO / JSON 等训练格式，非常适合目标检测、分类、缺陷检测等项目。

二、环境要求

1. Python：3.8 ~ 3.11（不支持 3.12 及以上）
2. 系统：Windows / Mac / Linux
3. 网络：可正常访问 pip 源

三、推荐安装方式（Python 虚拟环境，最稳无冲突）

1. 创建虚拟环境

python -m venv label-studio-env

2. 激活虚拟环境

Windows CMD：

label-studio-env\Scripts\activate

Windows PowerShell：

.\label-studio-env\Scripts\Activate.ps1

Mac / Linux：

source label-studio-env/bin/activate

3. 国内镜像安装（推荐）

pip install label-studio -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 验证安装

label-studio --version

四、CondaI安装方式（多项目环境适用）

conda create --name label-studio python=3.9 -y

conda activate label-studio

pip install label-studio -i https://pypi.tuna.tsinghua.edu.cn/simple

五、Docker安装（服务器/团队部署）

docker run -it -p 8080:8080 -v $(pwd)/label-studio-data:/label-studio/data heartexlabs/label-studio:latest

六、启动服务

默认启动：

label-studio start

端口占用时更换端口：

label-studio start --port 8081

访问地址：

http://localhost:8080

首次打开注册账号密码即可本地使用。

七、完整使用流程

1. 新建项目

   Create Project

   填写项目名称、备注

   Save 保存

2. 导入数据

   Import

   上传图片 / 文本文件

   支持批量上传文件夹

3. 设置标注模板（关键）

   进入项目设置 --- Labeling Interface

   常用模板选择：

• 图像分类：Image Classification
• 目标检测/缺陷框选：Object Detection with Bounding Boxes
• 文本分类：Text Classification
  手动添加自定义标签，保存模板。

4. 开始标注
   点击 Label 进入标注界面
   框选目标区域、选择对应标签
   Ctrl+Enter 快速保存并下一张
   导出数据集（用于模型训练）

进入 Export：

• YOLO 模型：导出 YOLO 格式
• COCO 模型：导出 COCO JSON
• 自用调试：JSON / CSV
  下载解压后可直接用于 YOLOv8、YOLOv9 训练。

八、常用快捷键

Ctrl+Enter：提交当前标注并下一张

数字键 1 2 3：快速选标签

Delete：删除标注框

滚轮：缩放图片

九、常见问题解决

1. 启动失败、版本报错
   使用 Python3.9 最稳定。
2. 8080 端口占用
   label-studio start --port 自定义端口
3. PowerShell 无法激活环境
   管理员执行：
   set-ExecutionPolicy RemoteSigned
4. 导入 CSV 失败
   去掉换行、使用纯英文格式文本。

十、使用总结

1. 本地开发优先使用虚拟环境 pip 安装，零冲突、开箱即用。
2. 工业缺陷检测、目标检测项目优先使用 bounding box 模板。
3. 标注完成直接导出 YOLO 格式，可无缝对接深度学习训练。
4. 支持预标注、模型辅助标注，大幅提升数据集制作效率。