LabelImg安装使用教程:YOLOv12训练数据标注完整指南
2026-03-27 来源:EEWorld 论坛
LabelImg安装使用教程:YOLOv12训练数据标注完整指南
LabelImg是一款开源的图像标注工具,广泛用于计算机视觉项目,如YOLOv12等目标检测模型的训练数据准备。本教程基于原帖子内容,整理出LabelImg的安装、配置及使用步骤,帮助用户快速上手数据标注工作。
一、LabelImg简介
LabelImg支持多种标注格式,包括YOLO、PASCAL VOC等。用户可以通过图形界面绘制边界框,为图像中的对象添加标签,从而生成训练数据集。原帖子以YOLOv12训练为背景,介绍了LabelImg的完整流程。
二、安装LabelImg
安装前需确保系统已安装Python3和相关依赖。以下是基于Linux系统的安装步骤:
sudo apt-get install pyqt5-dev-tools
pip3 install lxml
git clone https://github.com/tzutalin/labelImg.git
cd labelImg这些命令会安装必要的PyQt5工具和lxml库,然后克隆LabelImg仓库到本地。
三、编译与错误解决
进入LabelImg目录后,运行编译命令:
make all但在编译过程中,可能会遇到错误,例如:
pyrcc5 -o libs/resources.py resources.qrc
python3 -m unittest discover tests
....Remove setting pkl file $/home/ps/.labelImgSettings.pkl
...E..
======================================================================
ERROR: test_setInvaleLocaleToEnv_printErrorMsg (test_stringBundle.TestStringBundle)
----------------------------------------------------------------------
Traceback (most recent call last):
File "/home/ps/dev/yolo/label/labelImg/tests/test_stringBundle.py", line 18, in test_setInvaleLocaleToEnv_printErrorMsg
prev_lc = os.environ['LC_ALL']
File "/usr/lib/python3.10/os.py", line 680, in __getitem__
raise KeyError(key) from None
KeyError: 'LC_ALL'
----------------------------------------------------------------------
Ran 10 tests in 0.105s
FAILED (errors=1)
make: *** [Makefile:11: testpy3] Error 1
该错误是由于环境变量LC_ALL未设置所致。解决方案是设置环境变量:
export LC_ALL=en_US.UTF-8设置后重新运行make all,编译应能顺利完成。
四、启动与使用LabelImg
编译完成后,可通过以下命令启动LabelImg:
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]其中,IMAGE_PATH是图像文件夹路径,PRE-DEFINED CLASS FILE是预定义类别文件路径。若不加参数,工具会使用默认路径和类别文件(位于data/predefined_classes.txt)。
例如,指定图像路径和类别文件:
python3 labelImg.py ../../dataset/test/images/ ../../dataset/test/classes.txt启动后,建议在界面中勾选“Auto Save”选项,以自动保存标注结果。
五、标注快捷键
LabelImg提供了一系列快捷键,提升标注效率:
- w:创建矩形框
- d:切换到下一张图像
- a:切换到上一张图像
- del:删除选中的标注矩形框
使用这些快捷键,用户可以快速完成图像标注。标注结果默认保存为XML文件(PASCAL VOC格式),也可根据需要转换为YOLO格式。
六、总结与引导
本教程涵盖了LabelImg的安装、编译错误解决及基本使用,为YOLOv12等模型的数据集准备提供了基础。由于原帖子包含更多细节,如图像示例和视频讲解,建议访问原帖子阅读完整内容。点击超链接查看:YOLOv12 训练从这里开始:LabelImg 标注数据集。
原帖子内容来源:https://bbs.eeworld.com.cn/thread-1311318-1-1.html
- 标贝科技:自动驾驶中的数据标注类别分享
- 数据采集标注在智能导航系统中的应用案例
- 2023自动驾驶数据标注公司排行
- ByteBridge推出2D-3D传感器融合标注服务 为自动驾驶提供可扩展的训练数据
- 云测AI数据标注精准度高达99.99%,AI产品是如何实现加速落地
- Motional发布扩展自动驾驶数据集 含超14亿个带标注激光雷达点
- 数据标注呈现爆发式增长,改产业是否会成下一个富士康?
- Scale推出传感器融合标注API,为自动驾驶技术更快注入数据燃料
- stm8系列--加载别人的工程编译错误
- STM8S编译错误unable to allocate space for sections/blocks with a total
- 嵌入式的风向变了:2026纽伦堡嵌入式展透露这些趋势
- 高通确认不在GDC 2026发布新款骁龙G系列掌机处理器SoC
- 行业评论 从工具到平台:如何化解跨架构时代的工程开发和管理难题
- 阿里达摩院发布玄铁C950,打破全球RISC-V CPU性能纪录
- 面向嵌入式部署的神经网络优化:模型压缩深度解析
- Mujoco中添加Apriltag标签并实现相机识别教程
- 摩尔线程MTT S5000全面适配Qwen3.5三款新模型
- 英飞凌与宝马集团携手合作,基于Neue Klasse架构塑造软件定义汽车的未来
- 物理AI仿真新突破:摩尔线程与五一视界共建全栈国产化生态
- 爆火的OpenClaw! 告别云端,米尔RK3576开发板本地部署
- 中国芯片研发重要成果!中科院发布香山、如意系统
- Miniconda环境隔离教程:解决Python版本冲突的完整指南
- Jetson GPU Burn烤机测试与PTX编程详解
- LabelImg安装使用教程:YOLOv12训练数据标注完整指南
- 根据题意,水位上升记为正,下降记为负。汛期水位上升3分米(即0.3米)记作+3分米,此时达到最高水位12.5米,因此基准水位(记作0时的水位)为: 12.5米 - 0.3米 = 12.2米。 汛期过后水位下降4分米(即0.4米),是从最高水位下降,故实际水位为: 12.5米 - 0.4米 = 12.1米。 实际水位相对于基准水位的变化量为: 12.1米 - 12.2米 = -0
- YOLOv12训练实战:train.py常用参数详解
- Altera 与 Arm 深化合作,共筑 AI 数据中心高效可编程新方案
- 莱迪思加入英伟达 Halos生态系统,通过Holoscan传感器桥接技术提升物理人工智能安全性
- 芯科科技闪耀2026嵌入式世界展 以Connected Intelligence赋能,构建边缘智能网联新生态




