如何使用Labelimg查看已经标注好的YOLO数据集标注情况

本文主要介绍一下如何使用LabelImg查看已经标注好的YOLO数据集标注情况，主要涉及LabelImg安装与运行、查看数据集标注文件。

1、 安装并运行Labelimg

1.1、安装Labelimg

前提已经安装好anaconda环境

1、使用anaconda创建一个虚拟环境yololabel,命令如下：

conda create -n yololabel python=3.9

2、激活虚拟环境，命令如下：

conda activate yololabel

3、激活之后，在虚拟环境中安装labelimg ，命令如下，等待安装完成：

pip install labelimg==1.8.6 -i https://mirrors.aliyun.com/pypi/simple/

1.2、运行Labelimg

1、安装完成后，直接在控制台窗口输入labelimg，即可打开标注工具的界面窗口，如下：

labelimg

2、查看数据集标注情况

2.1、创建类别名称文件classes.txt

我的数据集目录结构如下，分为训练集train和验证集val两个目录

• images放置需要标注的图片
• labels放置标签信息（目前为空文件夹）
  

创建一个classes.txt文件，写入我们数据集标注的所有类别名称，供labelimg自动读取（如果没有这个文件的话会报错）。数据集的具体类别名称可以在datasets/waste/waste-classification.yaml中查看：

我这个里写入的classes.txt内容如下：

这里有四种类别，一种类别占据一行

创建完classes.txt文件后，将其分别放入训练集与验证集的labels标签目录下，如下所示：

2.2、使用Labelimg打开查看标注文件

1、点击Open Dir打开需要查看的标注图片文件夹，我这里选择train/images文件夹查看训练集的图片。

• 在工具栏中选择“Open”来加载单个图像
• 在工具栏中选择“Open Dir”来加载目标文件夹内的所有图像
• 在工具栏中选择“Change Save Dir”来改变yolo标签保存路径

2、打开标注图片文件夹

这里以查看训练集标注情况为例。

• 选择train/images文件夹后，会有一个新的文件选择框，让你选择标注文件保存的文件夹，这里直接选择train/labels，即训练集图片对应的标签文件。
• 或者点击左边Change Save Dir，保存yolo的标签。

3、标注前，先选择Auto save mode

由于已开启Auto Save mode，每次切换到新图片时，上一张图片的标注将自动保存。

4、点击左边PascalVOC 将其切换成为YOLO格式

2.3、正式标注

1. 点击w，出现黑色十字坐标，拖动鼠标标记框，在输入名称（用英文名称！！）。
2. 标注框尽可能准确，不要框大或框小，会影响后续训练效果。

拖动选择标注对象，并命名

然后，点击右下角的列表或者软件左侧的上一张图片与下一张按钮（按D），即可查看每张图片的标注情况。也可以对已经标注好的检测框进行修改或者删除，或者添加新的检测框，保存即可，标签文件会自动对应修改。所有图片标完后，在目标数据集文件夹里即可看到对应txt文件。

3、目标检测系列文章

1. YOLOv5s网络模型讲解(一看就会)
2. 生活垃圾数据集（YOLO版）
3. YOLOv5如何训练自己的数据集
4. 双向控制舵机（树莓派版）
5. 树莓派部署YOLOv5目标检测（详细篇）
6. YOLO_Tracking 实践 （环境搭建 & 案例测试）
7. 目标检测：数据集划分 & XML数据集转YOLO标签
8. DeepSort行人车辆识别系统（实现目标检测+跟踪+统计）
9. YOLOv5参数大全(parse_opt篇)
10. YOLOv5改进（一）-- 轻量化YOLOv5s模型
11. YOLOv5改进（二）-- 目标检测优化点（添加小目标头检测）
12. YOLOv5改进（三）-- 引进Focaler-IoU损失函数
13. YOLOv5改进（四）–轻量化模型ShuffleNetv2
14. YOLOv5改进（五）-- 轻量化模型MobileNetv3
15. YOLOv5改进（六）–引入YOLOv8中C2F模块
16. YOLOv5改进（七）–改进损失函数EIoU、Alpha-IoU、SIoU、Focal-EIOU
17. YOLOv5改进（八）–引入Soft-NMS非极大值抑制
18. YOLOv5改进（九）–引入BiFPN模块
19. 基于YOLOv10的车辆统计跟踪与车速计算应用
20. 初探 YOLOv8（训练参数解析）
21. YOLOv8不同模型对比和onnx部署详解
22. 如何利用YOLOv8训练自己的数据集 && 3种加载模型场景讲解
23. YOLOv8改进（一）-- 轻量化模型ShuffleNetV2