企业官网建设流程全解析

简介：本资源为labelImg目标检测标注工具的图文操作教程文档，面向计算机视觉与机器学习方向的初学者、数据标注人员及算法工程师，帮助其快速掌握图像标注流程与标注文件格式转换方法。压缩包内共1个doc文档，约2.96MB，内容涵盖软件安装与Auto Save设置、图片文件夹打开与保存目录配置、画框标注与快捷键切换、predefined_classes.txt预定义类别修改，以及VOC与YOLO两种标注格式的生成与转换说明。教程结合电塔标注等实际案例，展示了XML文件中图片大小、通道数、标签名称与选框位置等参数含义，并说明如何借助xml_to_csv与tfrecord工具完成后续格式转换，同时给出YOLO格式中类别id与归一化中心点坐标、宽高的组织方式。目前已有731人学习，适合需要系统入门标注工具、对照实操与查漏补缺的读者参考。

1. 标注工具选型：为什么 labelImg 仍是目标检测入门的第一站

如果你刚拿到一批图片，准备做目标检测，第一件让人头疼的事往往不是选模型，而是怎么把几百上千张图里的目标框出来。labelImg 就是干这个的：一个用 Python 写的轻量级图像标注工具，支持 Pascal VOC 的 XML 和 YOLO 的 txt 两种主流格式，装完就能用，不需要 GPU，也不需要联网。它解决的是「从原始图片到可训练标注文件」这一段最枯燥、也最容易出错的环节。适合谁？适合刚入门目标检测的开发者、需要快速验证数据集可行性的算法同学，以及带学生做课程设计的一线工程师。我见过太多人模型调得飞起，结果标注格式错位，训练时 loss 不降，回头查半天才发现是坐标归一化的问题——这种血泪经验，后面会细讲。

2. 装好 labelImg 并跑通第一张图的标注

2.1 三种安装方式的选择与取舍

labelImg 的安装方式主要有三种：pip 直接装、源码运行、以及打包好的可执行文件。选哪种，取决于你的系统环境和是否需要改源码。

pip 安装最省事，适合 Windows 和 Linux 桌面环境：

# 建议在虚拟环境里装，避免和系统 Python 包冲突 python -m venv labelenv source labelenv/bin/activate # Windows 用 labelenv\Scripts\activate pip install labelImg

装完后直接在终端敲labelImg就能启动。注意，pip 包名里那个大写 I 是官方约定，写成全小写labelimg在部分镜像源上会找不到包。

源码运行适合需要改快捷键、改默认保存路径的人：

git clone https://github.com/HumanSignal/labelImg.git cd labelImg pip install -r requirements/requirements-linux-python3.txt python labelImg.py

可执行文件方式适合完全不想碰命令行的 Windows 用户，下载后双击运行，但版本更新慢，遇到高分辨率屏幕可能缩放异常。

我一般推荐 pip 装，因为升级和卸载都干净。如果公司网络对 pip 源有限制，换成国内镜像即可，这里不展开。

2.2 界面里每个按钮对应的实际操作

启动后界面分三块：左侧文件列表、中间画布、右侧标签列表和文件列表。核心操作就几个快捷键，记住能省一半时间：

• W：画矩形框
• A：上一张
• D：下一张
• Ctrl+S：保存当前标注
• Ctrl+Shift+S：另存为
• Del：删除选中的框

画框时按住鼠标左键拖拽，松手后会弹出标签输入框。如果标签已经存在，直接从右侧列表点选，避免手打出错别字——标签名不一致是训练时类别对不上的头号原因。

2.3 切换 VOC 与 YOLO 格式的关键设置

labelImg 默认保存为 Pascal VOC 的 XML 格式。要切到 YOLO 的 txt 格式，点左侧工具栏的「PascalVOC」按钮，它会循环切换成「YOLO」。切换后保存的 txt 文件里，每行是类别索引 中心x 中心y 宽 高，且坐标都是归一化到 0~1 的浮点数。

这里有个容易翻车的点：YOLO 格式依赖一个classes.txt文件来定义类别顺序。这个文件必须和图片放在同一目录，或者你在 labelImg 里通过「Open Dir」打开图片目录时，它会自动读取同目录下的classes.txt。如果这个文件缺失或类别顺序和训练时不一致，模型学到的类别就是错位的。

# 一个典型的 classes.txt 内容，每行一个类别，顺序即索引 person car dog

提示：切换格式后，之前用另一种格式标好的文件不会自动转换，需要重新标注或写脚本转换。建议项目开始前就定好格式。

3. 把标注结果整理成能直接喂给训练脚本的数据集

3.1 目录结构该怎么摆

标注完成后，你得到的是一堆散落的图片和同名标注文件。训练框架通常要求固定的目录结构。以 VOC 格式为例，常见做法是：

dataset/ ├── JPEGImages/ # 所有图片 ├── Annotations/ # 所有 XML ├── ImageSets/ │ └── Main/ # 存放 train.txt / val.txt └── classes.txt

YOLO 格式则更简单，图片和 txt 放一起，再配一个classes.txt和训练用的train.txt、val.txt列表文件。

3.2 用脚本自动划分训练集和验证集

手动分文件容易漏、容易重。我一般写个小脚本按 8:2 随机划分，并生成列表文件：

import os import random # 图片目录，按实际路径改 img_dir = "dataset/JPEGImages" # 输出列表的目录 out_dir = "dataset/ImageSets/Main" os.makedirs(out_dir, exist_ok=True) # 只取图片文件，排除隐藏文件 names = [f[:-4] for f in os.listdir(img_dir) if f.lower().endswith((".jpg", ".png"))] random.seed(42) # 固定随机种子，保证每次划分一致 random.shuffle(names) split = int(len(names) * 0.8) train, val = names[:split], names[split:] with open(os.path.join(out_dir, "train.txt"), "w") as f: f.write("\n".join(train)) with open(os.path.join(out_dir, "val.txt"), "w") as f: f.write("\n".join(val)) print(f"训练集 {len(train)} 张，验证集 {len(val)} 张")

这段脚本的关键参数是random.seed(42)，固定种子后每次运行划分结果一致，方便复现实验。split控制比例，数据量少时可以调到 0.9。注意文件名去掉了扩展名，因为大多数训练脚本读列表时只认文件名主干。

3.3 校验标注文件是否和图片一一对应

标注过程中难免出现图片删了但 XML 还在，或者 XML 内容为空的情况。训练前跑一遍校验能省很多事：

import os import xml.etree.ElementTree as ET img_dir = "dataset/JPEGImages" ann_dir = "dataset/Annotations" imgs = {f[:-4] for f in os.listdir(img_dir) if f.lower().endswith((".jpg", ".png"))} anns = {f[:-4] for f in os.listdir(ann_dir) if f.endswith(".xml")} # 有图无标注、有标注无图，都要报出来 print("缺标注的图片:", imgs - anns) print("缺图片的标注:", anns - imgs) # 检查空标注文件 for a in anns: tree = ET.parse(os.path.join(ann_dir, a + ".xml")) objs = tree.findall("object") if len(objs) == 0: print("空标注:", a)

imgs - anns是集合差集，直接列出不匹配的文件名。空标注文件在训练时会被当成负样本，如果本意是正样本，就会拖低召回。这个检查我每次建完数据集都会跑一遍。

4. 标注环节最容易踩的五个坑

4.1 框贴边导致坐标越界

现象：训练时提示坐标超出图像范围，或者可视化时框跑到图外。原因：画框时鼠标拖到了图像边缘外，labelImg 记录的坐标可能略大于图像宽高。解决：画框时留一两个像素边距，或者写脚本把坐标裁剪到[0, width-1]和[0, height-1]范围内。

4.2 标签名大小写不一致

现象：训练日志里类别数比预期多，比如person和Person被当成两类。原因：不同人标注时手输标签，大小写没统一。解决：提前建好classes.txt，标注时只从右侧列表点选，禁止手动输入。已经标完的用脚本统一转小写。

4.3 YOLO 格式的类别索引错位

现象：模型把车识别成人，或者类别完全乱套。原因：classes.txt的顺序和训练配置里的类别顺序不一致。解决：把classes.txt作为唯一类别来源，训练脚本直接读它生成类别列表，不要在两处分别维护。

4.4 中文路径导致保存失败

现象：点保存没反应，或者报编码错误。原因：labelImg 在某些系统上对中文路径支持不好。解决：图片目录和标注目录都用纯英文路径，这是最省事的办法。

4.5 忘记保存就切图

现象：标了十几张，回头发现文件没生成。原因：labelImg 不会自动保存，切图前必须按Ctrl+S。解决：养成「画完框就按 Ctrl+S」的习惯，或者在设置里勾选自动保存选项（部分版本支持）。

注意：标注是个体力活，但格式错误会让后面所有训练工作白费。宁可标慢一点，也要保证每张图保存后抽查一下。

5. 用 Python 批量转换与校验标注格式的进阶技巧

5.1 VOC 转 YOLO 的完整脚本

项目中途换格式是常事。与其重标，不如写个转换脚本。下面这个把 VOC 的 XML 转成 YOLO 的 txt：

import os import xml.etree.ElementTree as ET # 类别列表，顺序即索引，必须和训练时一致 classes = ["person", "car", "dog"] ann_dir = "dataset/Annotations" out_dir = "dataset/labels" os.makedirs(out_dir, exist_ok=True) for xml_file in os.listdir(ann_dir): if not xml_file.endswith(".xml"): continue tree = ET.parse(os.path.join(ann_dir, xml_file)) root = tree.getroot() size = root.find("size") w = int(size.find("width").text) h = int(size.find("height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in classes: continue # 跳过未定义类别，避免索引越界 cls_id = classes.index(name) bbox = obj.find("bndbox") x1 = float(bbox.find("xmin").text) y1 = float(bbox.find("ymin").text) x2 = float(bbox.find("xmax").text) y2 = float(bbox.find("ymax").text) # 归一化并转为中心点+宽高 cx = (x1 + x2) / 2.0 / w cy = (y1 + y2) / 2.0 / h bw = (x2 - x1) / w bh = (y2 - y1) / h lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") out_name = xml_file.replace(".xml", ".txt") with open(os.path.join(out_dir, out_name), "w") as f: f.write("\n".join(lines))

关键点：classes列表的顺序决定了 txt 里的类别索引，必须和训练配置完全一致。if name not in classes这行是后悔药，防止 XML 里出现没定义的类别导致索引报错。坐标保留 6 位小数足够，再多没必要。

5.2 转换后怎么验证没转错

转完不能直接开训，抽几张图把 YOLO 的 txt 画回图上看看：

import cv2 img = cv2.imread("dataset/JPEGImages/000001.jpg") h, w = img.shape[:2] with open("dataset/labels/000001.txt") as f: for line in f: cls_id, cx, cy, bw, bh = map(float, line.split()) # 反归一化回像素坐标 x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imwrite("check.jpg", img)

打开check.jpg，如果框的位置和原图目标吻合，说明转换正确。这个方法比看数字直观得多，我每次转换后至少抽三张不同场景的图验证。

5.3 一个提高标注效率的小习惯

标注前先把图片按场景分组，相似的图放一起标，标签可以连续点选，不用反复切换。另外，labelImg 支持「复制上一张的标注」功能（快捷键Ctrl+D），对于连续帧或相似场景，能省大量重复劳动。但复制后一定要逐张检查，目标位置变了就得手动调，别偷懒。

希望帮到你。

本文还有配套的精品资源，点击获取