1.是什么

LabelImg 是一个图形化的图像标注工具，主要用于机器学习和计算机视觉领域中的数据预处理。它是由 GitHub 用户 tzutalin 开发的开源项目，基于 Python 和 Qt 框架编写。LabelImg 允许用户手动为图像添加边界框（bounding boxes）标注信息，可以用来训练目标检测、图像分割等任务的模型。

英文版，可生成yolo格式、voc、CreatML标签格式的目标检测数据集标签。

2.安装方式

首先进入虚拟环境，有两种方式进行安装：

第一种，在命令窗口输入如下命令

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

第二种，源码网站拉取：

https://github.com/HumanSignal/labelImg

命令行输入labelimg，会弹出一个UI界面

说明安装成功。

3.前置准备

接下来先创建一个文件夹用以存放自己的数据集。

一个存放图片，一个存放标签。

往image中存放一些图片以供标注。

接着即可进行标注。

4.如何使用

命令行输入labelimg以打开工具。如图所示，每个按钮的作用已在图中标出，右边是操作栏，中间是图像操作区，右边展示已经标注的标签框，右下是当前文件夹的图片列表。

具体操作流程：

点击Open标注单张图像/点击Open Dir选择数据集路径以批量操作->点击Create RectBox在中间图像区进行操作，区域选择操作完成后会弹窗输入标签（你每次输入的标签都会被存储起来），点击ok保存标签->点击save保存标签文件。

进阶操作：

点击上方菜单栏view，可以选择标注模式。

从上至下依次：

勾选第一个能够在你选择下一张图像时自动保存标签。

勾选第二个代表接下来标注的都是同一类物体。

勾选第三个能展示标签。

勾选第四个展示右边标签面板。

勾选第五个时能连续进行多次标注操作。

标注完成后，可在目标文件夹发现如下文件：

即图像jpg文件，yolo标签txt文件和标签类别classes.txt文件。

记得第三步时，让大家创建的label文件了吗？把你生成的标签转移进去即可。

5.训练注意

1.如何对自己通过以上步骤生成好的数据集进行处理？

通过上述步骤，你能获得标签，但实际训练时需要对数据集进行一些更多操作。

采用yolo进行目标检测训练时，应对数据集进行分类，首先在image和label文件夹下均分别创建train和val文件夹（有需要的可以准备test文件夹），然后进行数据集的划分，对你的图片及对应的标注文件划分为合适的比例。

如你数据集有100张图片，划分train：val为9：1。则可以给train90张，val10张。

如你还需划分test文件夹，对100张图片划分数据集使得train：val：test为7：2：1，则给train70张，val20张，test10张。

一般来说，若数据集数量多则任意，若数据集少往往带来训练出的模型具有较低的准确率、鲁棒性和容易过拟合，应根据需求加大数据量。

2.实际训练时，输出指标和loss曲线的问题

进行训练过程中，有许多小伙伴经常会遇到一个问题，就是训练效果很差很差，大部分时候loss曲线不为0，但指标是0，于是乎怀疑是否标注存在问题。其实是因为许多目标检测算法本身对训练的要求较为苛刻，对训练数据的数量要求高。

这里建议若你检测的目标物体形状较复杂，拥有较为丰富的特征语义信息，则多标注几张，多训练几轮即可解决。

6.常见报错

1.标注图像时即闪退，同时，控制台报错：

TypeError: setValue(self, int): argument 1 has unexpected type 'float'

TypeError: arguments did not match any overloaded call:drawLine(self, QLineF): argument 1 has unexpected type 'float'drawLine(self, QLine): argument 1 has unexpected type 'float'drawLine(self, int, int, int, int): argument 1 has unexpected type 'float'drawLine(self, QPoint, QPoint): argument 1 has unexpected type 'float'drawLine(self, Union[QPointF, QPoint], Union[QPointF, QPoint]): argument 1 has unexpected type 'float'

解决方法：

我重新开了一个虚拟环境，python版本是3.9.18，即解决，且不再闪退、标注、放缩等操作没有报错。

不知道如何新建虚拟环境可见我该文章的第二段大标题部分。

【保姆级最简洁教程】零基础如何快速搭建YOLOv5/v7？_yolo安装-CSDN博客

2.暂时未遇到其他报错，如有欢迎评论区评论以交流！持续更新中。