目标检测使用LabelImg标注VOC数据格式和YOLO数据格式——LabelImg使用详细教程






欢迎大家关注笔者，你的关注是我持续更博的最大动力


原创文章，转载告知，盗版必究

目标检测使用LabelImg标注VOC数据格式和YOLO数据格式——LabelImg使用详细教程

文章目录：

  • 1 LabelImg介绍与安装
    • 1.1 Label介绍
    • 2.1 LabelImg安装
      • 2.1.1 使用pip工具进行安装LabelImg （推荐）
      • 2.1.2 在Ubuntu Linux上安装LabelImg
      • 2.1.3 在macOS上安装LabelImg
      • 2.1.4 在Virtualenv虚拟环境中安装labelimg
      • 2.1.5 其他安装方法
  • 2 LabelImg的使用
    • 2.1 打开Labelimg
    • 2.2 标注前先进行一些设置
    • 2.3 标注常用的快捷键
  • 3 VOC数据标签和格式和YOLO数据标签格式说明
    • 3.1 VOC数据格式
    • 3.2 YOLO数据格式

1 LabelImg介绍与安装

1.1 Label介绍

github是目标检测数据标注工具，可以标注标注两种格式：

  • VOC标签格式，标注的标签存储在xml文件
  • YOLO标签格式，标注的标签存储在txt文件中

LabelImg的github主页地址：

点我，带你去>https://github.com/tzutalin/labelImg

2.1 LabelImg安装

2.1.1 使用pip工具进行安装LabelImg （推荐）

使用pip安装LabelImg安装时最简单的方式，首推，安装完之后会自动把LabelImg添加到环境变量中，这样你就可以在命令行中输入：labelimg直接打开该工具——windows用户强烈推荐此方法

使用pip安装labelimg

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

下面的方式是从源码开始安装LabelImg，一般比较麻烦，不推荐

2.1.2 在Ubuntu Linux上安装LabelImg

1、Python 2 + Qt4
Python2的环境使用如下命令安装

1
2
3
4
5
sudo apt-get install pyqt4-dev-tools
sudo pip install lxml
make qt4py2
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

2、Python 3 + Qt5 (Recommended)
Python3的环境使用如下命令安装

1
2
3
4
5
sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

2.1.3 在macOS上安装LabelImg

1、Python 2 + Qt4
Python2的环境使用如下命令安装

1
2
3
4
5
brew install qt qt4
brew install libxml2
make qt4py2
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

2、Python 3 + Qt5 (Recommended)
Python3的环境使用如下命令安装

1
2
3
4
5
6
7
8
9
10
brew install qt  # Install qt-5.x.x by Homebrew
brew install libxml2

or using pip

pip3 install pyqt5 lxml # Install qt and lxml by pip

make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

2.1.4 在Virtualenv虚拟环境中安装labelimg

使用virtualenv创建虚拟环境可以避免python版本和QT版本带来的一些问题，当然你也可以用conda创建虚拟环境，道理是一样的

1
2
3
4
5
6
brew install python3
pip3 install pipenv
pipenv run pip install pyqt5==5.13.2 lxml
pipenv run make qt5py3
python3 labelImg.py
[Optional] rm -rf build dist; python setup.py py2app -A;mv "dist/labelImg.app" /Applications

2.1.5 其他安装方法

作者还给出了很多的其他安装方法，如docker安装方法等，大家可以去作者的github主页进行参考，这里我就不一一列举了！

2 LabelImg的使用

安装好之后，就是在命令行中打开LabeImg，在命令行中输入（因为安装完之后会自动添加到）：

LabelImg 或 labelimg

2.1 打开Labelimg

我们在要标定数据的时候，一般是已经制定好了要标注物体的类别，这样在打开LabelImg之后，我们只要框定目标之后，选择要对应的标签即可。

labelimg JPEGImage predefined_classes.txt

说明：

  • JPEGImage 目录：存储的是图片的名字
  • Annotation 目录：用于存放标注图片的标签文件
  • predefined_classes.txt 文件：定义自己要标注的所有类别

例如：我的predefined_classes.txt中定义的类别如下：

1
2
3
4
5
6
7
circle_red
circle_gray
rectangle_red
rectangle_gray
fingeprint_red
fingeprint_gray
other

执行命令，然后选择JPEGImage待标注图片数据文件夹，然后点选择文件夹，如下图：
在这里插入图片描述
选择好标注数据文件夹之后，即进入到了LabelImg的界面，如下图：
在这里插入图片描述

  • 最上方显示的是当前标注图片的路径
  • Open Dir：待标注图片数据的路径文件夹，即选择JPEGImage文件夹
  • Change Save Dir：保存类别标签的路径文件夹，即选择Annotation文件夹
  • PascalVOC：标注的标签保存成VOC格式，在鼠标点一下就变成YOLO，即此时就会把标注的标签变成YOLO格式

2.2 标注前先进行一些设置

点击View显示如下图，然后把如下的几个选项勾上：

  • Auto Save mode：当你切换到下一张图片时，就会自动把上一张标注的图片标签自动保存下来，这样就不用每标注一样图片都按Ctrl+S保存一下了
  • Display Labels：标注好图片之后，会把框和标签都显示出来
  • Advanced Mode：这样标注的十字架就会一直悬浮在窗口，不用每次标完一个目标，再按一次W快捷键，调出标注的十字架。
    在这里插入图片描述

2.3 标注常用的快捷键

  • ‘W’：调出标注的十字架，开始标注
  • A：切换到上一张图片
  • D：切换到下一张图片
  • Ctrl+S：保存标注好的标签
  • del：删除标注的矩形框
  • Ctrl+鼠标滚轮：按住Ctrl，然后滚动鼠标滚轮，可以调整标注图片的显示大小
  • Ctrl+u：选择要标注图片的文件夹
  • Ctrl+r：选择标注好的label标签存放的文件夹
  • ↑→↓←：移动标注的矩形框的位置

使用标注的十字架，框住要标注的目标即可，如下图，是我对公章数据进行标注：

  • 标注的时候，会把predefined_classes.txt预定义的标加载出来，然后我们只要选择对应的标签即可
  • 右上角会显示已经标注目标的标签
    在这里插入图片描述

3 VOC数据标签和格式和YOLO数据标签格式说明

3.1 VOC数据格式

VOC数据格式，会直接把每张图片标注的标签信息保存到一个xml文件中

例如：我们上面标注的JPEGImage/000001.jpg图片，标注的标签信息会保存到Annotation/000001.xml文件中，000001.xml中的信息如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
<annotation>
    <folder>JPEGImage</folder>
    <filename>000000.jpg</filename>
    <path>D:\ZF\2_ZF_data\3_stamp_data\标注公章数据\JPEGImage\000000.jpg</path>
    <source>
        <database>Unknown</database>
    </source>
    <size>
        <width>500</width>
        <height>402</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
        <name>circle_red</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>168</xmin>
            <ymin>2</ymin>
            <xmax>355</xmax>
            <ymax>186</ymax>
        </bndbox>
    </object>
    <object>
        <name>circle_red</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>2</xmin>
            <ymin>154</ymin>
            <xmax>208</xmax>
            <ymax>367</ymax>
        </bndbox>
    </object>
    <object>
        <name>circle_red</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>305</xmin>
            <ymin>174</ymin>
            <xmax>493</xmax>
            <ymax>364</ymax>
        </bndbox>
    </object>
</annotation>

xml中的关键信息说明：

  • 图片的名字
  • 每个目标的标定框坐标：即左上角的坐标和右下角的坐标
    • xmin
    • ymin
    • xmax
    • ymax

3.2 YOLO数据格式

YOLO数据格式，会直接把每张图片标注的标签信息保存到一个txt文件中

例如：我们上面标注的JPEGImage/000001.jpg图片，标注的标签信息会保存到Annotation/000001.txt文件中（同时会生成一个classes.txt文件，也保存到Annotation/classes.txt），000001.txt中的信息如下：

1
2
3
0 0.521000 0.235075 0.362000 0.450249
0 0.213000 0.645522 0.418000 0.519900
0 0.794000 0.665423 0.376000 0.470149

txt中信息说明：

  • 每一行代表标注的一个目标
  • 第一个数代表标注目标的标签，第一目标circle_red，对应数字就是0
  • 后面的四个数代表标注框的中心坐标和标注框的相对宽和高（进行了归一化，如何归一化可以参考我的这篇博客中的介绍）

同时会生成一个Annotation/classes.txt实际类别文件classes.txt，里面的内容如下：

1
2
3
4
5
6
7
circle_red
circle_gray
rectangle_red
rectangle_gray
fingeprint_red
fingeprint_gray
other

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ? ⊕ ?