labelImg

Label Studio es una herramienta moderna de anotación de datos multimodal

LabelImg, la popular herramienta de anotación de imágenes creada por Tzutalin con la ayuda de docenas de contribuyentes, ya no se está desarrollando activamente y se ha convertido en parte de la comunidad de Etiquet Studio. Consulte Label Studio, la herramienta de etiquetado de datos de código abierto más flexible para imágenes, texto, hipertexto, audio, video y datos de series de tiempo. Instale el estudio de etiqueta y únase a la comunidad Slack para comenzar.

Acerca de Labelimg

LabelImg es una herramienta gráfica de anotación de imágenes.

Está escrito en Python y usa QT para su interfaz gráfica.

Las anotaciones se guardan como archivos XML en formato PASCAL VOC, el formato utilizado por ImageNet. Además, también es compatible con los formatos Yolo y Createml.

Mira un video de demostración

Instalación

Obtenga de Pypi pero solo Python3.0 o superior

Este es el método de instalación más simple (de un mando) en las distribuciones modernas de Linux como Ubuntu y Fedora.

pip3 install labelImg
labelImg
labelImg [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

Construir desde la fuente

Linux/Ubuntu/Mac requiere al menos Python 2.6 y ha sido probado con PYQT 4.8. Sin embargo, Python 3 o superior y PYQT5 se recomiendan fuertemente.

Ubuntu Linux

Python 3 + Qt5

sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

macosa

Python 3 + Qt5

brew install qt  # Install qt-5.x.x by Homebrew
brew install libxml2

or using pip

pip3 install pyqt5 lxml # Install qt and lxml by pip

make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

Python 3 VirtualEnv (recomendado)

VirtualEnv puede evitar muchos problemas de versión QT / Python

brew install python3
pip3 install pipenv
pipenv run pip install pyqt5==5.15.2 lxml
pipenv run make qt5py3
pipenv run python3 labelImg.py
[Optional] rm -rf build dist ; pipenv run python setup.py py2app -A ; mv " dist/labelImg.app " /Applications

Nota: El último comando le brinda un buen archivo .App con un nuevo icono SVG en su carpeta /Aplicaciones. Puede considerar usar el script: tools/build-for-Macos.sh

Windows

Instale Python, Pyqt5 e instale LXML.

Abra CMD y vaya al directorio LabelImg

pyrcc4 -o libs/resources.py resources.qrc
For pyqt5, pyrcc5 -o libs/resources.py resources.qrc

python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

Si desea empaquetarlo en un archivo exe separado

Install pyinstaller and execute:

pip install pyinstaller
pyinstaller --hidden-import=pyqt5 --hidden-import=lxml -F -n " labelImg " -c labelImg.py -p ./libs -p ./

Windows + Anaconda

Descargue e instale Anaconda (Python 3+)

Abra el indicador de Anaconda y vaya al directorio LabelImg

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

Use Docker

docker run -it 
--user $( id -u ) 
-e DISPLAY=unix $DISPLAY 
--workdir= $( pwd ) 
--volume= " /home/ $USER :/home/ $USER " 
--volume= " /etc/group:/etc/group:ro " 
--volume= " /etc/passwd:/etc/passwd:ro " 
--volume= " /etc/shadow:/etc/shadow:ro " 
--volume= " /etc/sudoers.d:/etc/sudoers.d:ro " 
-v /tmp/.X11-unix:/tmp/.X11-unix 
tzutalin/py2qt4

make qt4py2 ; ./labelImg.py

Puede extraer la imagen que tiene todas las dependencias instaladas y requeridas. Mira un video de demostración

Uso

Pasos (Pascalvoc)

1. Construir y iniciar utilizando las instrucciones anteriores.
2. Haga clic en 'Cambiar la carpeta de anotación guardada predeterminada' en el menú/archivo
3. Haga clic en 'Abrir dir'
4. Haga clic en 'Crear rectbox'
5. Haga clic y suelte el mouse izquierdo para seleccionar una región para anotar el cuadro RECT
6. Puede usar el mouse derecho para arrastrar el cuadro Rect para copiarlo o moverlo

La anotación se guardará en la carpeta que especifique.

Puede consultar las siguientes teclas de acceso rápido para acelerar su flujo de trabajo.

Pasos (yolo)

1. En data/predefined_classes.txt Defina la lista de clases que se utilizarán para su entrenamiento.
2. Construir y iniciar utilizando las instrucciones anteriores.
3. Justo debajo del botón "Guardar" en la barra de herramientas, haga clic en el botón "PascalVoc" para cambiar al formato YOLO.
4. Puede usar Open/Opendir para procesar imágenes simples o múltiples. Cuando termine con una sola imagen, haga clic en Guardar.

Un archivo txt de formato YOLO se guardará en la misma carpeta que su imagen con el mismo nombre. También se guarda un archivo llamado "Classes.txt" en esa carpeta. "Classes.txt" define la lista de nombres de clases a los que se refiere su etiqueta YOLO.

Nota:

• Su lista de etiquetas no cambiará en el medio del procesamiento de una lista de imágenes. Cuando guarde una imagen, Classess.txt también se actualizará, mientras que las anotaciones anteriores no se actualizarán.
• No debe usar la función de "clase predeterminada" al guardar en el formato YOLO, no se remitirá.
• Al guardar como formato de yolo, se descarta la bandera "difícil".

Crear clases predefinidas

Puede editar los datos/predefinidos_classes.txt para cargar clases predefinidas

Visualización de anotaciones

1. Copie el archivo Lables existente en la misma carpeta con las imágenes. El nombre del archivo de etiquetas debe ser el mismo con el nombre del archivo de imagen.
2. Haga clic en el archivo y elija 'Abrir dir' y luego abra la carpeta de imagen.
3. Seleccione la imagen en la lista de archivos, aparecerá el cuadro delimitador y la etiqueta para todos los objetos en esa imagen.

(Elija el modo de etiquetas de visualización a la vista para mostrar/ocultar lablels)

Teclas de acceso

Ctrl + u	Cargue todas las imágenes de un directorio
Ctrl + R	Cambiar el DIR objetivo de anotación predeterminado
Ctrl + S	Ahorrar
Ctrl + D	Copie la etiqueta actual y el cuadro rect
Ctrl + Shift + D	Eliminar la imagen actual
Espacio	Marcar la imagen actual como se verifica
w	Crea un cuadro Rect
d	Siguiente imagen
a	Imagen anterior
deleño	Eliminar el cuadro rect seleccionado
Ctrl ++	Dar un golpe de zoom
Control--	Alejarse
↑ → ↓ ←	Flechas de teclado para mover el cuadro RECT seleccionado

Verificar la imagen:

Al presionar espacio, el usuario puede marcar la imagen como verificada, aparecerá un fondo verde. Esto se usa al crear un conjunto de datos automáticamente, el usuario puede a través de todas las imágenes y marcarlas en lugar de anotarlas.

Difícil:

El campo difícil se establece en 1 indica que el objeto ha sido anotado como "difícil", por ejemplo, un objeto que es claramente visible pero difícil de reconocer sin el uso sustancial del contexto. Según su implementación de red neuronal profunda, puede incluir o excluir objetos difíciles durante la capacitación.

Cómo restablecer la configuración

En caso de que haya problemas para cargar las clases, puede:

1. En el menú superior del etiqueta, haga clic en el menú/archivo/restablecer todo

2. Elimine .labelimgsettings.pkl de su directorio de inicio. En Linux y Mac puedes hacer:

   rm ~/.labelimgsettings.pkl

Cómo contribuir

Enviar una solicitud de extracción

Licencia

Software gratuito: licencia del MIT

Cita: Tzutalin. Etiquetado. Código Git (2015). https://github.com/tzutalin/labelimg

Herramientas relacionadas y adicionales

1. Etiqueta de datos de Studio para etiquetar imágenes, texto, audio, video y serie de tiempo para el aprendizaje automático y la IA
2. Imagenet utiliza para descargar imagen, crear un texto de etiqueta para el aprendizaje automático, etc.
3. Use Docker para ejecutar LabelImg
4. Generando los archivos Pascal VOC TFRecord
5. Icono de la aplicación basado en el icono de Nick Roach (GPL)
6. Configurar el desarrollo de Python en VScode
7. El enlace de este proyecto en la plataforma ihub
8. Convertir archivos de anotación a formato o formato CSV para Google Cloud Automl

Stargazers con el tiempo