使用labelImg图像标注工具制作VOC数据集

https://github.com/tzutalin/labelImg

1.Linux下安装

brew install qt qt4

brew install libxml2

make qt4py2
pythobelImg.py

2.windows下安装

安装安装Anaconda2-4.4.0-Windows-x86_64.exe             添加环境变量

解压labellmage，不能有中文路径，从cmd进入该路径。

conda install pyqt=4
pyrcc4 -py3 -o resources.py resources.qrc
python labelImg.py 打开标记程序

3.标注图像

（1）打开需要标记的图片文件夹

（2）修改保存路径（XML文件夹）

（3）标注ROI区域，填写标签

（4）保存XML文件，有弹框提醒

（5）点击下一张图进行标记

快捷键

Ctrl +u : 打开图片文件夹 
Ctrl +r : 更改结果保存位置 
w:开始画框 
Ctrl +s : 保存 
d: 下一张 
a: 上一张 
del: 删除画的框 
Ctrl++: 图片放大 
Ctrl–: 图片缩小 
↑→↓←: 对框进行移动 
Ctrl+d: 复制当前框的标签和框

4.生成VOC数据集需要的txt

Annotations存放XML文件，

JPEGImages下存放训练图片，

新建一个matlab文件 GetVoc_txt.m用于生成txt文件到ImageSets文件夹下。

clear all;
clc all;
file = dir('Annotations');
len = length(file)-2;
%trainval集占所有数据的1/2，可以根据需要设置
num_trainval=sort(randperm(len, floor(1*len/2)));
%train集占trainval集的1/2，可以根据需要设置
num_train=sort(num_trainval(randperm(length(num_trainval), floor(1*length(num_trainval)/2))));
%trainval集剩下的作为val集
num_val=setdiff(num_trainval,num_train);
 %所有数据中剩下的作为test集
num_test=setdiff(1:len,num_trainval);

path = 'ImageSets/Main/';

fid=fopen(strcat(path, 'trainval.txt'),'a+');
for i=1:length(num_trainval)
    s = sprintf('%s',file(num_trainval(i)+2).name);
    fprintf(fid,[s(1:length(s)-4) '\n']);
end
fclose(fid);

fid=fopen(strcat(path, 'train.txt'),'a+');
for i=1:length(num_train)
    s = sprintf('%s',file(num_train(i)+2).name);
    fprintf(fid,[s(1:length(s)-4) '\n']);
end
fclose(fid);

fid=fopen(strcat(path, 'val.txt'),'a+');
for i=1:length(num_val)
    s = sprintf('%s',file(num_val(i)+2).name);
    fprintf(fid,[s(1:length(s)-4) '\n']);
end
fclose(fid);

fid=fopen(strcat(path, 'test.txt'),'a+');
for i=1:length(num_test)
    s = sprintf('%s',file(num_test(i)+2).name);
    fprintf(fid,[s(1:length(s)-4) '\n']);
end
fclose(fid);