yolov5利用labelimg标记数据集

### 使用LabelImg标注数据集以用于YOLOv5模型训练 #### 安装与配置环境 为了能够顺利使用LabelImg工具，需先完成其安装过程。可以通过Git克隆项目仓库并利用Python包管理器pip来安装依赖项[^3]。 ```bash git clone https://github.com/tzutalin/labelImg.git cd labelImg pip install pyqt5 lxml ``` #### 启动LabelImg 启动命令如下所示，在终端输入相应指令即可打开软件界面： ```bash python labelImg.py ``` #### 数据集准备 在开始标注之前，准备好待处理图像文件夹路径，并将其设置为工作目录以便于后续操作。这一步骤对于保持工作的条理性和高效性至关重要[^1]。 #### 开始标注流程 进入图形化界面后，加载图片文件夹至程序内。通过鼠标点击拖拽方式选定目标物体边界框，随后指定类别名称给定标签。重复此动作直至每张图中的所有对象都被标记完毕。 #### 转换标注格式适配YOLOv5 由于LabelImg默认保存的标注信息是以Pascal VOC XML形式存储或者是简单的矩形坐标(xmin, ymin, xmax, ymax)，而YOLO系列算法期望接收的是归一化的中心点加宽高(c_x, c_y, width, height)表示法。因此需要编写脚本或者寻找现成工具来进行转换作业[^2]。 ```python import os from xml.etree import ElementTree as ET def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] x = x*dw w = w*dw y = y*dh h = h*dh return (x,y,w,h) for filename in os.listdir('annotations'): if not filename.endswith('.xml'): continue fullname = os.path.join('annotations',filename) tree = ET.parse(fullname) with open(os.path.splitext(fullname)[0]+'.txt','w') as f: root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) for obj in root.iter('object'): difficult = obj.find('difficult').text cls = obj.find('name').text if cls not in classes or int(difficult)==1: continue cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) bb = convert((w,h), b) f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n') ``` 上述代码片段展示了如何读取XML格式的标注文件并将它们转化为适合YOLO使用的TXT文件。注意这里假设已经定义了一个名为`classes`列表包含了所有的分类名字符串。