为 AI 模型训练标记图像

引言

在本系列的前一篇文章中，我们准备了用于 AI 模型训练的口罩图像。在本文中，我们将标注这些图像。如果您不太熟悉计算机视觉任务，您可能没有听说过 LabelImg。它本质上是一个用于计算机视觉的图像标注工具。还有其他的工具——但这个工具非常易于使用，轻量级，与 YOLOv5 兼容，而且是免费的！

做好心理准备，因为这个过程需要几个小时。

要安装该应用程序，您可以使用多个存储库。使用 git clone 克隆 这个存储库。在同一个终端窗口中，运行以下命令进行安装

Ubuntu

cd path/to/dir/LabelImg
sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3

MacOS（首先导航到 LabelImg 目录）

brew install qt
pip3 install pyqt5 lxml
make qt5py3

Windows + Anaconda（首先导航到 LabelImg 目录）

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc

安装完成后，您需要编辑预定义的自定义类。导航到 *labelImg/data* 目录并搜索 *predefined_classes.txt* 文件。打开它并输入您想在应用程序本身中使用的标签。对于我们的口罩检测项目，它们应该看起来像这样

现在，通过执行 python3 labelImg.py 启动应用程序。应用程序将会启动

现在让我们开始实际进行图像标注。这需要很大的耐心，但您可以做到！

使用 LabelImg 从图像生成训练数据集

在开始标注过程之前，打开文件资源管理器并创建一个文件夹，用于保存您增强后的图像。将您在数据增强步骤中获得的文件解压缩到该目录中，并在其中创建一个名为 *Labels* 的文件夹，我们将在其中保存 LabelImg 生成的所有文本文件。

是时候标注图像了。打开 LabelImg，单击左侧面板上的打开目录，然后选择包含图像数据集的文件夹。要选择标签的存储位置，请单击更改保存目录，然后选择您在上面创建的新的 *Labels* 文件夹。完成后，您将看到文件夹中的第一张图像

在开始标注过程之前，请确保在左侧面板上选择了“YOLO”模式

单击创建 RectBox 并在图像中的每个人脸周围绘制一个正方形。尽量覆盖每个人脸的大部分区域，同时不要在正方形内留下大的空白区域。每次绘制正方形时，都会弹出一个窗口，提示您选择与该正方形对应的标签

 

在此过程结束时，您应该获得一个完全标记的图像

请注意右手边的标注摘要。使用它来跟踪您在每张图像上所做的事情。准备好后，单击左侧面板上的保存，然后单击下一张图像。

 

经过几个小时的乐趣后，您超过 4,000 张图像的数据集就标注完成了。生成的 g .txt 文件包含什么？让我们检查其中一个

 

每个 .txt 文件都链接到其对应的图像。例如，如果有一个名为 *0.jpg* 的图像，LabelImg 将会生成一个名为 *0.txt* 的文件，其中包含图像中每个标签的坐标。对于每个对象，都会创建一个新行，其格式为 <对象类别编号> <x> <y> <width> <height>。这被称为 YOLO 标注格式。

下一步

标注完数据集后，最重要的部分的时机已经成熟。在下一篇文章中，我们将使用该数据集来训练一个 YOLOv5 对象检测模型。敬请关注！