簡(jiǎn)介圖像標(biāo)注工具LabelImg是一款開源、高效的標(biāo)注軟件專為計(jì)算機(jī)視覺中的目標(biāo)檢測(cè)與實(shí)例分割任務(wù)而設(shè)計(jì)解決了人工標(biāo)注圖像邊界框和多邊形耗時(shí)耗力的問題。這份壓縮包提供了該工具的完整源代碼、項(xiàng)目配置和圖形資源面向需要批量處理圖像數(shù)據(jù)的研究人員、算法工程師和學(xué)生可用于快速生成符合PASCAL VOC等標(biāo)準(zhǔn)的XML標(biāo)注文件。資源共118個(gè)文件壓縮包大小約6.95MB核心為27個(gè)Python源文件同時(shí)包含38個(gè)PNG圖標(biāo)、SVG矢量圖、Shell啟動(dòng)腳本、Markdown文檔以及安裝腳本、配置文件、Makefile等工程化構(gòu)建工具支持Windows、Linux和macOS多平臺(tái)。目前已有704人學(xué)習(xí)下載適合希望了解標(biāo)注工具內(nèi)部實(shí)現(xiàn)、參與開源項(xiàng)目或進(jìn)行二次開發(fā)的讀者。深入研讀主程序與資源管理模塊可以掌握界面交互邏輯、文件組織方式和打包構(gòu)建全流程為搭建自定義標(biāo)注流水線或擴(kuò)展標(biāo)注功能提供直接參考。1. labelImg是什么做目標(biāo)檢測(cè)繞不開的免費(fèi)標(biāo)注工具我研究生階段第一次跑目標(biāo)檢測(cè)實(shí)驗(yàn)導(dǎo)師丟過來兩百多張配電柜的現(xiàn)場(chǎng)照片讓我“先標(biāo)出來”。當(dāng)時(shí)我用畫圖工具一張張框框到第11張就徹底崩潰了——不是覺得累是意識(shí)到這么標(biāo)的坐標(biāo)根本沒法用。后來用了labelImg這個(gè)工具才發(fā)覺之前一周的笨功夫別人半天就能干完。labelImg是一個(gè)用Python寫的圖形化圖像標(biāo)注工具界面基于PyQt5功能純粹打開圖片目錄鼠標(biāo)畫矩形框填入類別名保存成PascalVOC格式的XML或YOLO格式的txt。它解決的就是目標(biāo)檢測(cè)落地前最耗時(shí)最枯燥的數(shù)據(jù)準(zhǔn)備環(huán)節(jié)適合剛?cè)腴T的小白也適合要快速產(chǎn)出小批量驗(yàn)證樣本的算法工程師。這個(gè)工具不需要訓(xùn)練、不需要顯卡解壓即用上手成本在標(biāo)注工具里幾乎是最低的。2. 從壓縮包到可運(yùn)行Windows與Ubuntu兩條部署路徑拿到手的「labelImg-master圖像標(biāo)注工具.zip」解壓后本質(zhì)上是整個(gè)項(xiàng)目的源碼倉(cāng)庫。目錄結(jié)構(gòu)很典型根目錄下的labelImg.py是主程序libs/目錄放著界面控件和畫框邏輯data/目錄里有預(yù)定義類別文件predefined_classes.txt資源文件是resources.qrc。這是一個(gè)標(biāo)準(zhǔn)Python應(yīng)用不需要編譯安裝部署的本質(zhì)就一件事把PyQt5和lxml兩個(gè)第三方依賴裝好然后讓Python能拉起主程序。很多人在這一步就翻車是因?yàn)榘选敖鈮骸碑?dāng)成了“安裝”雙擊py文件沒反應(yīng)就以為包壞了。實(shí)際上labelImg的運(yùn)行邏輯是解釋執(zhí)行不是安裝式啟動(dòng)。搞清楚這一點(diǎn)后面所有報(bào)錯(cuò)都能順著“環(huán)境變量→依賴缺失→解釋器版本”這條線去查。2.1 Windows下的安裝依賴順序與兩個(gè)常見啟動(dòng)報(bào)錯(cuò)Windows上我最推薦的做法是先建虛擬環(huán)境再裝依賴。不要圖省事直接pip install到全局Python尤其開發(fā)機(jī)上同時(shí)裝了Anaconda和官方Python的情況兩個(gè)解釋器搶PATH裝完依賴后根本不知道被哪邊接管。我在新機(jī)器上的固定操作序列是cd labelImg-master python -m venv venv venv\Scripts\activate pip install PyQt55.15.6 lxml4.9.1 python labelImg.py第一步進(jìn)入解壓后的源碼目錄第二步創(chuàng)建的venv是一個(gè)獨(dú)立的Python環(huán)境所有依賴只裝在這個(gè)目錄里不污染系統(tǒng)解釋器第三步是Windows下的激活語法激活后終端提示符前面會(huì)出現(xiàn)(venv)第四步我用等號(hào)鎖了版本號(hào)——PyQt5鎖定5.15.6是因?yàn)?.15.7之后在部分Windows高分辨率縮放設(shè)置下出現(xiàn)過按鈕錯(cuò)位lxml鎖定4.9.1是為了避開新版在Python 3.10上偶發(fā)的解析崩潰最后一步直接以腳本方式啟動(dòng)GUI。如果報(bào)「ModuleNotFoundError: No module named PyQt5」幾乎都是開了新終端后忘了重新激活虛擬環(huán)境。注意PowerShell和CMD對(duì)激活命令的支持程度不一樣CMD里一定要先執(zhí)行activate再跑python。如果報(bào)錯(cuò)是lxml缺失補(bǔ)pip install即可。還有一個(gè)特別常見的現(xiàn)象在文件管理器里雙擊labelImg.py結(jié)果彈出了記事本窗口——這是Windows把.py文件關(guān)聯(lián)到了編輯器不是程序壞了正確姿勢(shì)是在終端里手動(dòng)執(zhí)行。如果機(jī)器上有Anaconda我建議換一條路conda create -n labelimg python3.8然后pip install PyQt5 lxml。Python 3.8是我試過兼容性最穩(wěn)的版本3.10以上偶發(fā)和舊版PyQt5不兼容的情況。這樣整條鏈路最干凈以后卸載也不會(huì)留垃圾。2.2 Ubuntu 18.04上的部署apt裝依賴與源碼啟動(dòng)的排查順序在Ubuntu 18.04上部署labelImg是另一套邏輯。系統(tǒng)自帶的Python 3.6比較舊apt源里也沒有pip版PyQt5那么激進(jìn)所以最穩(wěn)的組合是讓apt裝Qt界面庫pip只補(bǔ)lxml這一個(gè)解析庫。我在Ubuntu 18.04上的命令序列sudo apt install python3-pyqt5 -y python3 -m pip install lxml4.9.1 --user cd labelImg-master python3 labelImg.py第一行從apt源直接安裝系統(tǒng)級(jí)PyQt5這是Ubuntu下最省事的方式繞開了pip在Linux上編譯Qt庫的一堆坑第二行的--user參數(shù)解決權(quán)限問題第三行進(jìn)目錄第四行啟動(dòng)。注意這里不要再執(zhí)行pip install PyQt5否則會(huì)和系統(tǒng)自帶庫重復(fù)運(yùn)行時(shí)可能出現(xiàn)動(dòng)態(tài)庫裝載沖突。如果在桌面環(huán)境下雙擊沒反應(yīng)我的排查順序有固定套路先echo $DISPLAY看有沒有輸出——通過SSH遠(yuǎn)程連服務(wù)器時(shí)這個(gè)變量通常是空的GUI程序起不來解決方法是回到物理終端執(zhí)行或者手動(dòng)export DISPLAY:0再確認(rèn)python3指向誰如果which python3顯示的是Anaconda路徑而Anaconda環(huán)境里又沒裝PyQt5就會(huì)報(bào)無模塊錯(cuò)誤此時(shí)要么進(jìn)conda環(huán)境補(bǔ)裝要么把啟動(dòng)命令換成/usr/bin/python3 labelImg.py。Linux下還有一個(gè)源碼編譯相關(guān)的坑如果你從GitHub拉的代碼比較新直接跑可能會(huì)在資源加載時(shí)報(bào)AttributeError提示libs.resources里缺屬性。這是因?yàn)樾掳娲a改了圖標(biāo)資源但沒有用Qt的編譯工具重新生成resources.py。解決方式是在根目錄執(zhí)行pyrcc5 -o libs/resources.py resources.qrc這個(gè)命令把qrc資源文件編譯成Python模塊labelImg在導(dǎo)入時(shí)才能找到對(duì)應(yīng)的圖標(biāo)和樣式。如果提示pyrcc5命令不存在說明缺少PyQt5的開發(fā)工具包apt install pyqt5-dev-tools裝一下即可。3. 親手標(biāo)注一版數(shù)據(jù)操作拆解與格式落地部署跑通只是起點(diǎn)真正決定標(biāo)注效率的是工作流。很多人把labelImg當(dāng)畫框軟件用打開、框選、保存然后抱怨慢。實(shí)際上它內(nèi)置了一套以鍵盤為主的操作體系配合合理的目錄規(guī)劃一小時(shí)標(biāo)兩百?gòu)垐D完全可行。這一章我把一個(gè)完整標(biāo)注項(xiàng)目的操作細(xì)節(jié)、快捷鍵和產(chǎn)物格式全部拆開講。3.1 新建標(biāo)注工程目錄結(jié)構(gòu)、預(yù)定義類別與一張圖的完整標(biāo)注動(dòng)作拿到一批待標(biāo)注圖片后先別急著打開labelImg。按我習(xí)慣先建立這樣的目錄結(jié)構(gòu)project/ images/ # 原始圖片jpg或png annotations/ # 標(biāo)注產(chǎn)物XML文件 classes.txt # 類別清單一行一個(gè)圖片文件名里不要帶中文和空格也不要放在帶中文的路徑下。這不是潔癖而是labelImg的XML保存邏輯在部分Windows環(huán)境下對(duì)非ASCII路徑處理不穩(wěn)定中文路徑輕則保存報(bào)錯(cuò)重則閃退。啟動(dòng)labelImg后默認(rèn)界面頂部是菜單欄左側(cè)是工具欄中間是圖片顯示區(qū)。第一次用需要先做兩件事在菜單Edit里選「Open Dir」打開images目錄再點(diǎn)「Change Save Dir」把保存目錄指定為annotations。很多人只開了圖片目錄、沒改保存目錄最后發(fā)現(xiàn)XML不知道存哪了。畫框的完整動(dòng)作是按鍵盤W鍵進(jìn)入畫框模式在目標(biāo)左上角按住鼠標(biāo)左鍵拖到右下角松開彈窗里輸入類別名回車確認(rèn)。一個(gè)目標(biāo)框完按D鍵切到下一張繼續(xù)畫。一個(gè)標(biāo)注樣本的產(chǎn)出就是這么樸素——不需要在工具欄上點(diǎn)來點(diǎn)去。類別名第一次輸入后會(huì)被記錄到predefined_classes.txt但要注意這個(gè)文件只有在「保存目錄」指定的位置才能自動(dòng)創(chuàng)建和更新。如果你在項(xiàng)目中后期發(fā)現(xiàn)類別名總是別名檢查一下是不是多個(gè)項(xiàng)目共用了同一個(gè)predefined_classes.txt。3.2 快捷鍵與批量操作效率差距在這里拉開觀察一下標(biāo)注效率高的人你會(huì)發(fā)現(xiàn)他們的鼠標(biāo)幾乎只用來框目標(biāo)其余操作全在鍵盤上。labelImg默認(rèn)快捷鍵里最核心的幾個(gè)我直接列成表快捷鍵作用使用場(chǎng)景W進(jìn)入畫框模式每張圖開始前按一次D / A下一張 / 上一張批量切換圖片CtrlS保存當(dāng)前XML每張圖畫完按一次CtrlE編輯當(dāng)前框類別名框錯(cuò)類、想改類時(shí)Del刪除當(dāng)前選中框框歪了、框多了CtrlZ撤銷畫框過程中的最后一步畫到一半手抖空格標(biāo)記當(dāng)前圖為已標(biāo)注跳過某張圖時(shí)做狀態(tài)記錄Ctrl滾輪縮放圖片小目標(biāo)看不清時(shí)這里有兩個(gè)操作習(xí)慣建議。第一保存要勤快我的節(jié)奏是一張圖畫完立即CtrlS再按D去下一張養(yǎng)成肌肉記憶后不會(huì)漏存第二當(dāng)一張圖里目標(biāo)很多時(shí)每框完一個(gè)類別就順手回車不要讓彈窗停留太久彈窗掛著的時(shí)候快捷鍵是失靈的。還有一個(gè)隱藏功能菜單View里有「Auto Labeling」和「Single Class Mode」。Single Class Mode開啟后多個(gè)目標(biāo)框都沿用當(dāng)前類別名不再?gòu)椵斎肟蜻m合一張圖里同一個(gè)類別出現(xiàn)很多次的場(chǎng)景能省掉一半時(shí)間。Auto Labeling適合配合輔助模型做預(yù)標(biāo)注屬于進(jìn)階玩法后面章節(jié)單獨(dú)講。3.3 保存成什么PascalVOC XML的結(jié)構(gòu)與坐標(biāo)含義labelImg默認(rèn)輸出PascalVOC格式的XML文件一張圖對(duì)應(yīng)一個(gè)同名XML。這個(gè)格式本身就是目標(biāo)檢測(cè)領(lǐng)域最通用的標(biāo)注存儲(chǔ)格式所以它也是一張“圖紙”后續(xù)轉(zhuǎn)YOLO、轉(zhuǎn)COCO都要基于它。一個(gè)典型的XML長(zhǎng)這樣annotation folderimages/folder filenameimg_001.jpg/filename pathD:/project/images/img_001.jpg/path sourcedatabaseUnknown/database/source size width1920/width height1080/height depth3/depth /size object namehelmet/name bndbox xmin100/xmin ymin120/ymin xmax400/xmax ymax380/ymax /bndbox /object /annotation關(guān)鍵是size和object兩段size里的width、height、depth記錄圖片原始尺寸object里的bndbox記錄目標(biāo)的左上角和右下角坐標(biāo)。注意這個(gè)坐標(biāo)是相對(duì)原始圖片的像素坐標(biāo)不是歸一化的。后續(xù)做模型訓(xùn)練時(shí)不管是轉(zhuǎn)YOLO還是轉(zhuǎn)COCO都要靠這兩個(gè)信息做換算。如果一張圖里有多個(gè)目標(biāo)XML里就會(huì)有多個(gè)object塊。還有一個(gè)容易被忽略的點(diǎn)標(biāo)注框超出圖像邊界時(shí)labelImg不會(huì)自動(dòng)修正xmin可能大于width這類臟數(shù)據(jù)進(jìn)去訓(xùn)練模型會(huì)直接報(bào)錯(cuò)或?qū)е耹oss異常所以標(biāo)注環(huán)節(jié)就盡量框在邊界內(nèi)。4. labelImg避坑指南閃退、亂碼、漏標(biāo)這些坑我都踩過用labelImg的時(shí)間久了踩過的坑能寫一張紙。這一章挑我遇到最多、也最影響進(jìn)度的五個(gè)問題按「現(xiàn)象→原因→解決」的方式記錄下來。很多問題在網(wǎng)上搜半天找不到答案其實(shí)原因簡(jiǎn)單得讓人無語。4.1 畫框到一半閃退一整天白干現(xiàn)象圖片加載正常但只要鼠標(biāo)開始拖框或者拖到一半按了右鍵程序直接消失連報(bào)錯(cuò)彈窗都沒有。Windows上重啟后再打開發(fā)現(xiàn)剛才沒保存的標(biāo)注全丟了。原因兩個(gè)最普遍的源頭。一是圖片路徑或文件名里有中文、特殊符號(hào)Qt在保存XML或者繪制圖像時(shí)觸發(fā)編碼異常直接退出二是單張圖片分辨率過高比如動(dòng)輒6000x4000的航拍圖labelImg的繪制組件在拖框過程中內(nèi)存暴漲被系統(tǒng)殺掉了。解決圖片統(tǒng)一改名成純英文數(shù)字路徑不要放中文目錄高分辨率圖先縮放到2000像素邊長(zhǎng)以內(nèi)再標(biāo)注標(biāo)注完用原始分辨率訓(xùn)練時(shí)再按坐標(biāo)比例換算回去操作上要養(yǎng)成每張圖CtrlS的習(xí)慣這樣就算閃退也只丟一張。4.2 XML里中文類別名亂碼現(xiàn)象類別名輸入中文后保存的XML文件用記事本打開是亂碼或者保存時(shí)直接報(bào)UnicodeEncodeError用網(wǎng)上的XML轉(zhuǎn)VOC腳本解析時(shí)直接報(bào)錯(cuò)。原因labelImg的master分支在Python 3下默認(rèn)用UTF-8處理字符串但如果用的是舊版源碼、或者lxml版本太老編碼處理會(huì)退化。還有一個(gè)隱藏因素Windows下輸入法輸入中文時(shí)Qt的彈窗控件偶發(fā)把字符狀態(tài)搞亂。解決最省心的是類別名直接用英文比如helmet、person、defect訓(xùn)練時(shí)再在腳本里做category_map映射成中文標(biāo)簽顯示。如果一定要用中文就把lxml升級(jí)到4.9.1以上并且在labelImg.py開頭強(qiáng)制加上# -- coding: utf-8 --聲明然后重新啟動(dòng)。4.3 Qt資源編譯報(bào)錯(cuò)啟動(dòng)即崩潰現(xiàn)象從GitHub拉最新的labelImg代碼在Ubuntu上執(zhí)行python3 labelImg.py啟動(dòng)瞬間報(bào)AttributeError日志末尾有l(wèi)ibs.resources相關(guān)字樣或者界面按鈕上全是空白的占位符圖標(biāo)不顯示。原因新版源碼修改了resources.qrc里的資源引用但倉(cāng)庫里沒有附帶編譯好的resources.py。labelImg在導(dǎo)入時(shí)執(zhí)行qInitResources()找不到對(duì)應(yīng)屬性整個(gè)模塊初始化失敗。解決按第二章的方法重新pyrcc5編譯資源文件編譯完確認(rèn)libs目錄下生成了resources.py再啟動(dòng)就正常了。MacOS用戶注意pyrcc5在Qt5的環(huán)境里一般自帶如果命令找不到檢查是否完整安裝了PyQt5。4.4 復(fù)雜背景下漏標(biāo)小目標(biāo)現(xiàn)象圖片里目標(biāo)小而密集或背景紋理和目標(biāo)顏色接近時(shí)標(biāo)注完總覺得框全了跑出來的模型卻漏檢嚴(yán)重復(fù)盤才發(fā)現(xiàn)大量小目標(biāo)根本沒框。原因這不是labelImg的故障是人的視覺盲區(qū)。屏幕上目標(biāo)小到一定程度人眼掃過就是會(huì)漏。高強(qiáng)度連續(xù)標(biāo)注時(shí)注意力還會(huì)隨疲勞下降。這個(gè)坑比軟件bug更隱蔽因?yàn)闆]人會(huì)懷疑自己漏標(biāo)。解決我一般標(biāo)完一輪后會(huì)強(qiáng)制休息幾分鐘再看第二遍只看自己第一遍可能漏的區(qū)域也可以讓另一個(gè)人交叉復(fù)核同一批圖。更工程化的做法是用一個(gè)小腳本把每個(gè)類的實(shí)例數(shù)量統(tǒng)計(jì)出來如果某些類數(shù)量異常少就重點(diǎn)復(fù)查對(duì)應(yīng)圖片。腳本寫法在第六章給出來。4.5 刪錯(cuò)框沒有后悔藥現(xiàn)象鼠標(biāo)點(diǎn)選框后按Del框直接消失想撤銷卻怎么按CtrlZ都沒反應(yīng)原來標(biāo)好的目標(biāo)只能重新畫。原因labelImg的撤銷機(jī)制只覆蓋畫框過程中的節(jié)點(diǎn)操作對(duì)已經(jīng)確認(rèn)的框執(zhí)行刪除后是不進(jìn)撤銷棧的。習(xí)慣性按CtrlZ是文本編輯器的肌肉記憶在labelImg里并不總是有效。解決點(diǎn)選框之前先確認(rèn)是不是當(dāng)前選中了正確的框框被選中時(shí)邊框會(huì)明顯高亮刪除前寧可先按CtrlE看一眼類別再按Del。我自己的習(xí)慣是每隔五張圖關(guān)閉并重新打開一下當(dāng)前XML確認(rèn)最近的刪除操作沒有誤傷到上一張的標(biāo)注。5. 把VOC格式轉(zhuǎn)成YOLO格式坐標(biāo)換算與按類別拆分labelImg的XML格式雖然通用但當(dāng)前主流檢測(cè)模型YOLOv5、YOLOv8的標(biāo)注輸入是純文本的txt格式每行一條記錄類別編號(hào)、目標(biāo)中心x、目標(biāo)中心y、目標(biāo)寬度w、目標(biāo)高度h全部相對(duì)圖片尺寸歸一化。所以拿到一批XML后第一件事就是把它們轉(zhuǎn)成YOLO標(biāo)簽。這一步用腳本批量做比手工在labelImg里切格式靠譜得多。5.1 兩種坐標(biāo)體系的換算關(guān)系VOC的XML里存的是絕對(duì)坐標(biāo)——目標(biāo)左上角(xmin, ymin)和右下角(xmax, ymax)。YOLO格式需要的是相對(duì)坐標(biāo)——目標(biāo)中心點(diǎn)(x_center, y_center)和寬高(w, h)且取值范圍在0到1之間。換算公式是x_center (xmin xmax) / 2 / image_width y_center (ymin ymax) / 2 / image_height w (xmax - xmin) / image_width h (ymax - ymin) / image_height注意兩個(gè)邊界問題一是XML里如果目標(biāo)框越界算出來的中心點(diǎn)可能落在圖像外面或?qū)捀叱^1這種值喂給模型會(huì)直接報(bào)錯(cuò)二是類別名在YOLO里必須是整數(shù)編號(hào)YOLO不認(rèn)字符串類名需要一個(gè)類別到編號(hào)的映射文件這就是每個(gè)項(xiàng)目的data.yaml里classes列表的來源。5.2 轉(zhuǎn)換腳本一張圖生成一個(gè)txt我每次拿到新項(xiàng)目的標(biāo)注后都會(huì)用一個(gè)固定腳本做轉(zhuǎn)換。腳本遍歷XML目錄逐個(gè)讀坐標(biāo)、做歸一化、寫同名txt文件。核心邏輯如下# voc_to_yolo.py # 用法: python voc_to_yolo.py xml_dir out_dir class_file import os import sys import glob import xml.etree.ElementTree as ET def convert_one(xml_path, out_dir, class_map): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) txt_name os.path.splitext(os.path.basename(xml_path))[0] .txt lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_map: print(f跳過未知類別: {name}) continue box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 裁剪到[0,1]區(qū)間防止越界 x_center min(max(x_center, 0.0), 1.0) y_center min(max(y_center, 0.0), 1.0) w min(max(w, 0.0), 1.0) h min(max(h, 0.0), 1.0) lines.append(f{class_map[name]} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(os.path.join(out_dir, txt_name), w) as f: f.write(\n.join(lines)) if __name__ __main__: xml_dir, out_dir, class_file sys.argv[1], sys.argv[2], sys.argv[3] os.makedirs(out_dir, exist_okTrue) class_map {} with open(class_file) as f: for idx, line in enumerate(f.read().strip().splitlines()): class_map[line] idx for xml_path in glob.glob(os.path.join(xml_dir, *.xml)): convert_one(xml_path, out_dir, class_map) print(fdone: {os.path.basename(xml_path)})腳本里class_map的構(gòu)建是關(guān)鍵classes.txt里每行一個(gè)類名行號(hào)就是YOLO里的類別編號(hào)。class_file這個(gè)參數(shù)不要傳錯(cuò)類和編號(hào)對(duì)應(yīng)關(guān)系必須和訓(xùn)練配置里的data.yaml一致。坐標(biāo)格式保留6位小數(shù)過多的小數(shù)位不會(huì)提升訓(xùn)練精度反而會(huì)讓文件變大。f-string里的:06f是格式化控制想改成4位精度也完全可以。5.3 按類別統(tǒng)計(jì)與train/val劃分的批處理轉(zhuǎn)完之后先別急著訓(xùn)練跑一個(gè)統(tǒng)計(jì)腳本檢查標(biāo)簽質(zhì)量。這個(gè)腳本讀所有txt統(tǒng)計(jì)每個(gè)類別出現(xiàn)了多少次以及哪些txt是空的——空txt代表這張圖一個(gè)目標(biāo)都沒標(biāo)注如果它還在訓(xùn)練集里模型會(huì)被喂一張沒有學(xué)習(xí)目標(biāo)的圖影響收斂。統(tǒng)計(jì)腳本很短:# check_labels.py # 用法: python check_labels.py label_dir class_file import os import sys import glob from collections import Counter label_dir, class_file sys.argv[1], sys.argv[2] classes [line.strip() for line in open(class_file) if line.strip()] counter Counter() empty_files [] for txt in glob.glob(os.path.join(label_dir, *.txt)): with open(txt) as f: lines [line.strip() for line in f if line.strip()] if not lines: empty_files.append(os.path.basename(txt)) for line in lines: counter[classes[int(line.split()[0])]] 1 print(類別統(tǒng)計(jì):, dict(counter)) print(空標(biāo)注文件數(shù):, len(empty_files), empty_files[:10])如果某個(gè)類別的數(shù)量比預(yù)期少了一個(gè)量級(jí)回去翻一下是不是漏標(biāo)了如果空文件里混進(jìn)了原本有目標(biāo)的圖檢查一下XML轉(zhuǎn)txt時(shí)是不是坐標(biāo)讀取出了問題。train/val劃分我習(xí)慣直接用命令行工具做不需要寫Python。圖片和標(biāo)簽在同一個(gè)目錄的情況下按8:2隨機(jī)切分ls images/*.jpg | shuf -n 100 val_images.txt這里100是驗(yàn)證集大小按你的總量調(diào)整。補(bǔ)集自動(dòng)就是訓(xùn)練集。更穩(wěn)妥的做法是用Python的random.sample因?yàn)閟huf在Windows Git Bash里不一定有。劃分完要確認(rèn)驗(yàn)證集里每個(gè)類別都有樣本避免出現(xiàn)驗(yàn)證集缺少某個(gè)類導(dǎo)致指標(biāo)虛高或虛低。6. 給標(biāo)注結(jié)果做量化自檢一個(gè)腳本篩出漏標(biāo)與錯(cuò)標(biāo)最后一章分享一個(gè)我一直在用的收尾技巧。標(biāo)注和數(shù)據(jù)轉(zhuǎn)換全部完成后我不會(huì)急著訓(xùn)模型而是先跑一遍自檢腳本把漏標(biāo)和錯(cuò)標(biāo)“打”出來。這個(gè)腳本的思路很簡(jiǎn)單統(tǒng)計(jì)所有txt標(biāo)簽文件的行數(shù)分布一組圖片的目標(biāo)數(shù)量如果明顯少于同類其他圖片大概率是漏標(biāo)了同時(shí)檢查類別名是否和class_file完全一致防止手滑把helmet拼成helment。腳本的核心邏輯是遍歷標(biāo)簽?zāi)夸洶次募判驅(qū)Ρ容敵瞿繕?biāo)數(shù)最少和最多的幾張圖再按類別做一次柱狀圖式的數(shù)量統(tǒng)計(jì)。我用的版本長(zhǎng)這樣# quality_check.py # 用法: python quality_check.py label_dir class_file import os import sys from collections import Counter label_dir sys.argv[1] class_file sys.argv[2] classes [line.strip() for line in open(class_file) if line.strip()] obj_count {} invalid [] for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue path os.path.join(label_dir, fname) with open(path) as f: lines [line.strip() for line in f if line.strip()] obj_count[fname] len(lines) for line in lines: cls_id line.split()[0] if int(cls_id) len(classes): invalid.append((fname, cls_id)) sorted_files sorted(obj_count.items(), keylambda x: x[1]) print(目標(biāo)數(shù)最少的前10張:, sorted_files[:10]) print(出現(xiàn)未知類別編號(hào)的文件:, invalid)對(duì)查出來的可疑文件回到labelImg里打開對(duì)應(yīng)的圖片和XML人工復(fù)核。這個(gè)動(dòng)作看起來多了一步實(shí)際上能省下后面排查mAP異常的大把時(shí)間。我現(xiàn)在每個(gè)項(xiàng)目標(biāo)注結(jié)束后都會(huì)跑一遍已經(jīng)成了固定習(xí)慣。早期我跳過這一步直接訓(xùn)練結(jié)果模型在小目標(biāo)上慘不忍睹最后回頭查才明白是標(biāo)注環(huán)節(jié)的鍋——數(shù)據(jù)質(zhì)量問題靠訓(xùn)練是救不回來的。希望幫到你少走這一段彎路。本文還有配套的精品資源點(diǎn)擊獲取