labelimg yolo 生成 训练集
时间: 2025-04-19 19:51:48 浏览: 26
### 使用LabelImg为YOLO模型准备和生成训练数据集
#### 安装与启动LabelImg
为了使用 LabelImg 工具,需先安装依赖项并下载该工具。可以通过 Python 的 pip 包管理器来完成安装过程[^1]。
```bash
pip install labelimg
```
启动 LabelImg 可通过命令行输入 `labelimg` 来实现。这会打开图形界面用于后续操作。
#### 打开图片文件夹
在 LabelImg 图形界面上方菜单栏中选择 “Open Dir”,浏览至存储待标注图像的目录位置并点击确认按钮加载这些图片到软件环境中。
#### 创建标签类别列表
创建一个名为 `classes.txt` 或者其他自定义名称的文字文档,在其中逐行列出所有可能的目标对象分类名作为标签库供之后使用时参照对照。此文件应放置于项目根目录下以便稍后配置输出路径时能够被正确识别关联起来。
#### 开始标注工作
对于每一张需要处理的照片,在左侧显示区拖拽矩形框围绕住感兴趣区域即物体所在范围;接着从右侧弹窗内选取对应的类目赋予当前选中的边界框。重复上述动作直至覆盖整张图内的全部实例个体为止。
#### 导出YOLO格式的数据
当完成了单幅或多帧画面里的实体标记作业以后,转而关注顶部功能条上的选项卡之一:“Save”。“Save” 功能支持保存成多种不同框架所需的 XML 文件或者是纯文本类型的 YOLO 数据形式。确保选择了后者以适应所提及的需求场景——YOLO v3/v4 版本通常采用 .txt 后缀记录坐标信息以及所属种类编号。
```python
# 示例:假设有一个猫狗二分类任务,则 classes.txt 中的内容如下所示:
cat
dog
```
#### 验证与整理最终成果
最后一步是对已产生的标注结果做全面核查校验,保证其准确性无误后再打包上传给机器学习平台开展下一步骤的工作流。此外还需注意划分好验证集合测试样本的比例关系从而获得更加稳健可靠的评估指标反馈。
阅读全文
相关推荐


















