跳转至

yolo数据集标注

  • 工具：Labeelimg和X-Anylabeling

X-Anylabeling

GitHub - CVHub520/X-AnyLabeling: Effortless data labeling with AI support from Segment Anything and other awesome models. · GitHub

X-AnyLabeling是一个视觉数据集标注工具，其中可以下载ai工具用于辅助数据集标注。传统工具进行标注难免遇到标注不精确、效率较低的缺陷，而这个开源工具则很好地解决了这一点

使用步骤

  • 安装教程

  • 1.安装完成后，可执行以下命令进行验证：

  • conda activate x-anylabeling-cu12 #取决于你的conda环境 xanylabeling checks # 显示系统及版本信息

  • 2.验证无误后，可直接运行应用程序：

  • xanylabeling

  • 3.建立文件树（实际过程中，将1改变为你的序号（包括其中的子文件夹））

  • D:\dateset\new> ├─1 #放置图片集 │ 0001.jpg │ 0002.jpg │ ├─1_labels #存放标注的源数据，刚开始这些json文件还没有（更换输出目录） │ 0001.json │ 0002.json │ 0152.json │ ├─1_txt #放置classes.txt │ classes.txt │ └─labels #标注完成之后上传这个，刚开始这些txt文件也还没有 0001.txt 0002.txt

  • 创建刚刚文件树中的classes.txt，在里头写入：（0，1，2，3换成自己标注的名称）

  • 0 1 2 3

    • 如果标签中有新的标注的名称（不小心加上的，将相应标签框删掉，重新打开）（如果相应标签框没有删掉，classes.txt也没有加上对应的标签名称会报错）

  • 4.打开软件

    • 初次打开可能有所卡顿，耐心打开即可

  • 5.语言设置

  • 6.打开文件夹

  • 7.食用之前的准备

    • 点击菜单栏的“文件”选项，把“自动保存”给打开，（勾选上）

    • 点击菜单栏的“文件”选项，更改输出目录

  • 8.使用快捷键相关

    • 在“菜单”和“文件”中，有相关的快捷键

    • img

  • 9.使用AI功能

img

  • 可以下载GroundingDINO矩形框预标注

  • 它可以通过输入标注名称自动识别普通物品

  • 文本框输入示例（crack.hole.）

  • 导入自己的模型需要先写一个配置文件（classes.txt）

  • ``` type: yolov8_obb name: yolov5s-r20230520 provider: Ultralytics display_name: YOLOv5s model_path: /home/chairman/test_dachuang/app.onnx iou_threshold: 0.45 conf_threshold: 0.25 max_det: 300 classes:

    • Hole
    • Crack ```

  • 需要修改三个位置（type，model_path，classes）

  • 命名的注意事项：

    • 正常yolov8标注是yolov8
    • 斜框标注的yolov8是yolov8_obb

  • 有一键用模型运行整个文件夹的的按键

  • 10.标注完成之后，在软件中导出

  • 选用的即为“导出YOLO-Hbb”这一选项。（正常举行框）（标注斜框的选择YOLO-Obb标注）

  • img

  • 然后，找到先前存有classes.txt的目录中，选择这个文件

  • img

  • 这时会弹出导出提示。按照图片上的要求，导出目录改为labels

  • img