windows下使用labelImg标注图像

       工作中遇到一个更好用的标注软件,速度快,操作方便,分享一下:

https://blog.csdn.net/python_pycharm/article/details/102685591

用于深度网络训练的数据集做标注的方法和工具有好多,像Labelme、labelImg、yolo_mark、Vatic、Sloth等等,此处暂时只介绍其中的一种标注工具:labelImg。等到后期熟悉其他的标注工具会一一介绍。废话不多说,直接进入正题!

       此篇先介绍在windows下使用已经编译好的labelImg。

  一、labelImg工具下载:

         下载地址:链接: https://pan.baidu.com/s/1kwwO5VxLMpAuKFvckPpHyg    提取码: 2557

         下载的文件是编译好的,可执行的labelImg.exe文件。直接将文件放在windows环境下,双击可执行。

                                              windows下使用labelImg标注图像_第1张图片

 二、labelImg工具使用方法:

       1.双击labelImg执行文件图标,会出现操作界面:

        windows下使用labelImg标注图像_第2张图片

       出现这样的窗口界面,说明labelImg已经正常开启,背景黑色的窗口是终端界面,不要理会.......

       在labelImg窗口的左边,有一些操作的功能,其中:“Open”是打开单个图像,“Open Dir” 打开文件夹,"Change Save Dir" 

       图像保存的路径,“Next Image” 切换到下一张图像,“Prev Image”切换到上一张图像,“Verify Image”校验图像,“Save”

       保存图像,“Create RectBox”画标注框一个,“Duplicate RectBox”重复标注框,“Delete RectBox”删除标注框,“Zoom In”

       放大图像,“Zoom Out” 缩小图像,“Fit Window”图像适用窗口,“Fit Width”图像适应宽度。

       当然,使用操作按钮不是很方便,下面介绍一些快速的快捷键,为无聊的标注工作节省一些时间。

       Hotkeys:

ctrl +Q 退出软件 ctrl + - 缩小
ctrl + o openfile ctrl + = 原始大小
ctrl + u openDir ctrl + F fitwindow
ctrl + r ChangeSaveDir ctrl + E 编辑标签
ctrl + s 保存 ctrl + shift + o 打开的文件夹只显示.xml文件
ctrl + L boxlineColor ctrl + shift + s  
ctrl + J move and edit Boxes ctrl + shift + F fitWidth
ctrl + D 复制框 d nextImg
ctrl + H 隐藏所有的框 a preImg
ctrl + A 显示所有的框 space 标记当前图片已标记
ctrl + + 放大 w 画框
    Delete 删除框

   三、开始图像数据标注:

         一般操作的顺序:“open file ”  -----"create rectbox " -----"输入类别名称 "-----“change save dir ”-----"Save"

         最后在保存文件的路径下生成.xml文件,.xml文件的名字是和标注照片的名字一样,如果要修改已经标注过

         的图像,.xml中的信息也会随之改变。得到的.xml 和PASCAL VOC所用格式一样!

                  windows下使用labelImg标注图像_第3张图片

                                                     windows下使用labelImg标注图像_第4张图片

       

         文章到这里,关于labelImg工具的使用基本结束了,要是你想在Linux系统、Ubantu、或者是MAC系统中使用labelImg,

         可以参考一个教程:https://github.com/tzutalin/labelImg/ 

         这个项目里有具体的安装和使用教程,亲可以去实践一下。本人最近在做深度学习方面的工作,有正在从事或者想做这

         方面工作的朋友,可以留言共同交流。好的东西之所以能成为好,不是它本身有多好,而是在于它能被分享。

   

   

 

 

 

 

 

 

 

 

 

 

 

 

 

 

      

 

 

 

你可能感兴趣的:(深度学习之数据标注)