目录
介绍
从带有LabelImg的图像生成训练数据集
下一步
在这里，我们将看到如何正确标记结果图像以训练YOLO模型。
介绍在本系列的上一篇文章中，我们为AI模型训练准备了口罩图像。在这一篇中，我们将标记这些图像。如果您对计算机视觉任务不是很熟悉，则可能没有听说过LabelImg。本质上，它是用于计算机视觉的图像标记工具。还有其他功能——但此功能非常易于使用、轻巧，与YOLOv5兼容且免费！
请放心，因为此过程将花费数小时。
要安装该应用程序，您可以使用多个存储库。使用git clone克隆这个仓库。在同一终端窗口中，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 qt5py3MacOS（首先导航到LabelImg目录）
brew install qt
pip3 install pyqt5 lxml
make qt5py3Windows + 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，然后搜索预定义的_classes.txt文件。打开它，然后输入要在应用程序本身中使用的标签。对于我们的口罩检测项目，这是它们的外观：
现在，通过python3 labelImg.py发出启动应用程序。该应用程序将启动：
现在，让我们动手使用图像标签。它需要很多耐心，但是您可以做到！
从带有LabelImg的图像生成训练数据集在启动标签过程之前，请打开文件资源管理器并为您放大后要保存的图像创建一个文件夹。将您在该数据扩充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。
是时候标记图像了。打开LabelImg，单击左侧面板上的Open Dir，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，请点击更改保存目录，然后选择在上面几行中创建的新标签文件夹。完成后，您将看到该文件夹的第一张图片：
在开始标记过程之前，请确保在左侧面板上选择了“YOLO”模式：
单击“创建矩形框”，然后在图像的每个面周围绘制一个正方形。尝试尽可能多地遮盖每个面孔，同时不要在正方形内留有较大的空白空间。每次绘制正方形时，都会出现一个弹出窗口，提示您选择与正方形相对应的标签：
在该过程的最后，您应该获得一张完全标记的图像：
请注意右侧的标签摘要。用它来跟踪您对每个图像所做的操作。准备就绪后，点击左侧面板上的保存，然后点击下一步图像。
经过数小时的娱乐之后，您为包含4,000多个图像的数据集添加了标签。生成的g .txt文件包含什么？让我们检查其中之一：
每个.txt文件都链接到其相应的图像。例如，如果有一个名为0.jpg的图像，则LabelImg将生成一个名为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 。这称为YOLO标签格式。
下一步标记数据集后，最重要的部分的时机已经成熟。在接下来的文章中，我们将使用数据集来训练YOLOv5对象检测模型。敬请关注！
https://www.codeproject.com/Articles/5293072/Labelling-Images-for-AI-Model-Training
