参考链接：LabelImg
labelImg 使用教程
LabelImg简介LabelImg安装LabelImg用法步骤（PascalVOC）步骤（YOLO）创建预定义的类热键验证图片设置困难识别对象
相关项目
实际操作
LabelImg简介
LabelImg是图形图像注释工具。
它是用Python编写的，并将Qt用于其图形界面。
批注以PASCAL VOC格式（ImageNet使用的格式）另存为XML文件。此外，它还支持YOLO格式
LabelImg安装
安装请参考：VOC数据集图片标注工具labelImg简介、安装、使用方法详细攻略（windows） PyQt4、PyQt5
LabelImg用法
步骤（PascalVOC）
按照上面的说明进行构建和启动。在菜单/文件中单击“更改默认保存的注释文件夹”点击“打开目录”点击“创建RectBox”单击并释放鼠标左键以选择一个区域来标注矩形框您可以使用鼠标右键拖动矩形框来复制或移动它
注释将保存到您指定的文件夹中。
您可以参考以下热键来加快工作流程。
步骤（YOLO）
在data/predefined_classes.txt定义在您的训练中使用的类的列表。按照上面的说明进行构建和启动。在工具栏中的“保存”按钮下方，单击“ PascalVOC”按钮以切换为YOLO格式。您可以使用Open / OpenDIR处理单个或多个图像。完成单个图像后，单击“保存”。
YOLO格式的txt文件将以与您的图片相同的名称保存在同一文件夹中。名为“ classes.txt”的文件也被保存到该文件夹。“ classes.txt”定义您的YOLO标签所引用的类名称的列表。
注意：
标签列表在处理图像列表的过程中不得更改。保存图像时，classes.txt也将被更新，而以前的注释将不被更新。保存为YOLO格式时，请勿使用“默认类别”功能，否则将不会引用该功能。当保存为YOLO格式时，“困难”标志将被丢弃。
创建预定义的类
您可以编辑 data / predefined_classes.txt 以加载预定义的类
热键
快捷键功能Ctrl + u从目录加载所有图像Ctrl + R更改默认注释目标目录Ctrl + s储存Ctrl + d复制当前标签和矩形框space将当前图像标记为已验证w创建一个矩形框d下一张图片a上一张图片del删除选定的矩形框Ctrl ++放大Ctrl–缩小↑→↓←键盘箭头移动选定的矩形框
验证图片
当按下空格键时，用户可以将图像标记为已验证，然后将显示绿色背景。在自动创建数据集时使用此功能，然后用户可以浏览所有图片并标记它们，而不用对其进行注释。
设置困难识别对象
困难字段设置为1表示该对象已被注释为“困难”，例如，清晰可见但在不大量使用上下文的情况下很难识别的对象。根据您的深度神经网络实现，您可以在训练期间包括或排除困难对象。
相关项目
ImageNet Utils下载图像，创建标签文本以进行机器学习等使用Docker运行labelImg生成PASCAL VOC TFRecord文件基于Nick Roach（GPL）图标的App图标在vscode中设置python开发该项目在iHub平台上的链接
实际操作
先准备好两个文件夹，一个存放已经采集好的图片，另一个存放准备标定后的xml文件，并修改data文件夹下的predefined_classes.txt类文件（我这里只设置一个类 ）并保存： 在LabelImg文件夹右键控制台运行python labelImg.py启动程序： 点击open dir，选择我们存放图片的文件夹，然后再选择我们准备存放xml文件的文件夹： （注意：打开已有标注的文件夹时，务必保证里面有class.txt文件，否则程序将崩溃） 然后点击Create/nRectBox或按快捷键W开始画框： 选择目标类别并点击ok 标完后点击Next Image或按快捷键D切换到下一张图片 当一张图片标记完成后，会在一开始我们设置存储xml文件的文件夹下生成一个xml文件： 打开可观察里面的内容：