目标检测---以制作yolov5的数据集为例，利用labelimg制作自己的深度学习目标检测数据集（正确方法）

以制作yolov5的数据集为例，利用labelimg制作自己的深度学习目标检测数据集的正确方法

---

前言

相信很多朋友在使用代码版本的labelimg的时候肯定出现过标注的类只有数字的情况，而且是按照添加顺序生成的，从0开始的数字，这样显然和我们的要求是不相符合的，下面我来示范一下使用labelimg的正确姿势。

---

一、labelimg简单介绍

Labelimg是一款开源的数据标注工具，可以标注三种格式。

1 VOC标签格式，保存为xml文件。

2 yolo标签格式，保存为txt文件。

3 createML标签格式，保存为json格式。

二、labelimg的安装

1.windows中使用命令如下：

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
1

大家也可换pip源之后再进行安装

2.安装完成后效果如下

---

三、使用labelimg

（一）创建数据集

创建一个存放数据集的文件夹，目录结构如下：
|—To_be_train
||—images 存放需要打标签的图片
||—labels 存放打好的标签
||—predefined_classes.txt 存放预定义的类（非常重要！！！！文件名字也必须是这个）

（二）使用powershell打开窗口

在To_be_train这个目录下，按住shift键，同时点击鼠标右键，会弹出一个菜单如下：
点击红色圈中的选项，在此处打开Powershell窗口
弹出窗口图下：

执行命令：

labelimg classfile predefined_classes.txt
1

注意这里的classfile参数非常重要，很多博文都没有这个，所以没办法正常打开

如果已经安装好labelimg并且python的环境变量已经装好，那么就会弹出窗口：

如上这些要全选上，方便操作，也可以关闭Advanced Mode这样那个十字线就不会消失

Auto Save mode：切换到下一张图的时候，会自动保存标签。
Display Labels：会显示标注框和标签
Advanced Mode：标注的十字架会一直悬浮在窗口。

常用快捷键如下：

A：切换到上一张图片
D：切换到下一张图片
W：调出标注十字架
del ：删除标注框框
Ctrl+u：选择标注的图片文件夹
Ctrl+r：选择标注好的label标签存在的文件夹

接下来只需要按下W键直接标注即可

总结

以上就是我对于labelimg使用方法的总结，希望对大家能有所帮助