• 前言: …
  
  

• 目录

  • 1 Windows
  • 2 Linux
  • 3 VOC6_R0
  
  
  

1 Windows

1. 下载标注工具：windows_v1.8.1.zip 或者网址：添加链接描述

下载好windows_v1.8.1.zip，并解压，你可以把他放在新建的Data_Mark文件夹下。

2. 在Data_Mark内新建JPEGImages和labels两个文件夹，其中将待标注的图像拷贝到文件夹JPEGImages。
   
3. 运行软件，在目录C:\Users\anlogic\Desktop\Data_Mark\windows_v1.8.1下，你可以直接双击打开labelImg.exe。
   
4. 开始标注之前，你还需要注意这样几点：

• 更新你需要标注的类别的名称：
  C:\Users\anlogic\Desktop\Data_Mark\windows_v1.8.1\data\predefined_classes.txt 里面的名称序号需要和voc.names一致，（保证person的id为14就可以，你可以直接将例子中排在第二的person剪切到最后，修改过之后重启该软件！）。

• 在打开的labelImg.exe，左侧工具栏中，你可以点击Open Dir 按钮选择待标注的图像路径（至JPEGImages）。
  ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210119110605833.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzgzODE2,size_16,color_FFFFFF,t_70

• 点击Change Save Dir选择存放标注文件的路径（至labels）。
  ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210119110629768.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzgzODE2,size_16,color_FFFFFF,t_70

• 点击PascalVOC或者YOLO切换保存的标注格式（要选择YOLO）。

• 标注之前可以勾选标题栏中View下的Auto Save Mode，否则每标注完一张图像需要Ctrl+s一下。
• 为了方便勾选标注名称，可以勾选右侧的Use default label, 并填写类别名称，如person。
  
• 还有一些快捷键：W改变鼠标状态并开始标注，D下一个，A上一个。
• 标记框需要严格匹配对象的大小。
  
• 检查生成的标签文件，（参数依次为训练样本的id, center_x_ratio, center_y_ratio, box_width_ratio, box_height_ratio）。
  
• 标注完成后，删除自动生成的文件：C:\Users\anlogic\Desktop\Data_Mark\labels\classes.txt

2 Linux

1. in C++: https://github.com/AlexeyAB/Yolo_mark

2. in Python: https://github.com/tzutalin/labelImg

3 VOC6_R0

0. Head
   /AIHOME/data/VOC6_R0/train.txt
   /AIHOME/data/VOC6_R0/2007_test.txt
   class: person, dog, bicycle, car, tvmonitor, chair
   create new dataset train.txt

1. Process
   /AIHOME/data/VOC6_R0/README.md
   Make new VOC dataset

2. structure
   ‘’’
   VOC6
   |
   —voc # ori dataset
   |
   —VOCdevkit # new dataset
   |
   —VOC2007
   |
   —Annotations
   |
   —ImageSets # copy from voc
   |
   —JPEGImages
   |
   —labels
   |
   —VOC2012
   |
   —Annotations
   |
   —ImageSets # copy from voc
   |
   —JPEGImages
   |
   —labels
   |
   —extract_voc2007.py
   |
   —extract_voc2012.py
   |
   voc_label.py
   ‘’’

3. extract 2007
   python extract_voc2007.py
   ‘’’
   delete xml files if no needed class,
   delete other class object in the same xml,
   to VOCdevkit/VOC2007/Annotations,
   to VOCdevkit/VOC2007/JPEGImages,
   to VOCdevkit/VOC2007/ImageSets/Main/train.txt & val.txt & test.txt
   ‘’’

   扫描二维码关注公众号，回复： 12312584 查看本文章

4. extract 2012
   python extract_voc2012.py
   ‘’’
   same ways
   Notes: in 2012 dataset XML process, the 2007~2008’s XML files is diff from 2009~2012’s
   ‘’’

5. create new labels
   python voc_label.py
   ‘’’
   create 2007_test.txt,
   2007_train.txt,
   2007_val.txt
   2012_train.txt
   2012_val.txt
   ‘’’

6. cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt
   ‘’’
   creat train.txt
   ‘’’

7. for new add dataset, such as 20200612, creat addtrain.txt
   python addtrain.py
   ‘’’
   —20200612
   |
   —JPEGImages
   |
   —labels
   ‘’’

8. generate dataset
   cat 2007_train.txt 2007_val.txt 2012_*.txt addtrain.txt > train.txt