目标检测图像标注

简介: 目标检测图像标注

1.安装


安装标注软件:

image.png


  • labelImg:生成xml文件
  • labelme:生成json文件


安装过程中出现了一个问题:

image.png

根据指示:


e:\anacanda\python.exe -m pip install --upgrade pip

image.png


但是更新了pip指令之后,安装labelImg还有是其他的问题

image.png

按照博客上的一些教程,我尝试过使用管理员权限操作,也尝试过在指令后加–user,也试过pip3指定python版本,但是还是不行。


如果知道解决方案的朋友恳请指教一下。 有大佬指示过可以更换默认下载地址,参考:https://www.cnblogs.com/cyssmile/p/12822735.html 有待尝试

然后,直接下载了一个exe版本的。链接如下:点击这里


官网提供Windows版本的labelImg.exe,可不用编译代码,直接使用。即:不用下载源码、安装pyqt包或运行其他命令,解压后即可使用。

image.png

点击exe执行文件即可使用

image.png


2.使用


shift+右键打开PowerShell 窗口,根据labelImg安装路径,与分类文件信息,输入代开标注软件,注意文件名称正确输入,如图所示:

image.png

根据自己想要存放标准图片的信息更改目录

image.png

相应的快捷键:

image.png


参考链接:

https://blog.csdn.net/weixin_36369564/article/details/87903695

https://www.cnblogs.com/cyssmile/p/12822735.html

https://blog.csdn.net/lian740930980/article/details/108346892


目录
相关文章
|
6月前
|
存储 XML JSON
开集目标检测-标签提示目标检测大模型(吊打YOLO系列-自动化检测标注)
开集目标检测-标签提示目标检测大模型(吊打YOLO系列-自动化检测标注)
|
2月前
MUMU:用文本、图像引导,多模态图像生成模型
【9月更文挑战第19天】随着人工智能技术的发展,多模态模型因其能处理文本、图像、音频等多种信息而备受关注。在图像生成领域,一种名为MUMU的新模型展现出巨大潜力。MUMU可接收文本和图像提示并生成相应图像,如根据“一个<图片:男人>男人和他的<图片:狗>狗在一个<图片:卡通>动画风格中”生成图像。通过训练包含文本-图像数据集的视觉-语言编码器及扩散解码器,MUMU能实现风格转换和角色一致性等任务,并在图像编辑和合成方面展示出潜力。然而,其仍受限于复杂场景处理能力和计算资源需求。论文详情见链接:https://arxiv.org/abs/2406.18790。
33 1
|
12月前
|
存储 传感器 数据可视化
3D目标检测数据集 KITTI(标签格式解析、3D框可视化、点云转图像、BEV鸟瞰图)
本文介绍在3D目标检测中,理解和使用KITTI 数据集,包括KITTI 的基本情况、下载数据集、标签格式解析、3D框可视化、点云转图像、画BEV鸟瞰图等,并配有实现代码。
1461 1
|
5月前
|
机器学习/深度学习 算法 数据挖掘
第7章 目标检测与识别
第7章 目标检测与识别
|
机器学习/深度学习 传感器 编解码
史上最全 | BEV感知算法综述(基于图像/Lidar/多模态数据的3D检测与分割任务)
以视觉为中心的俯视图(BEV)感知最近受到了广泛的关注,因其可以自然地呈现自然场景且对融合更友好。随着深度学习的快速发展,许多新颖的方法尝试解决以视觉为中心的BEV感知,但是目前还缺乏对该领域的综述类文章。本文对以视觉为中心的BEV感知及其扩展的方法进行了全面的综述调研,并提供了深入的分析和结果比较,进一步思考未来可能的研究方向。如下图所示,目前的工作可以根据视角变换分为两大类,即基于几何变换和基于网络变换。前者利用相机的物理原理,以可解释性的方式转换视图。后者则使用神经网络将透视图(PV)投影到BEV上。
史上最全 | BEV感知算法综述(基于图像/Lidar/多模态数据的3D检测与分割任务)
|
6月前
|
机器学习/深度学习 自动驾驶 算法
图像识别中的scikit-learn:从像素到分类
【4月更文挑战第17天】本文介绍了如何使用Python的scikit-learn进行图像识别,包括图像预处理、特征提取(如HOG、SIFT)和分类器训练(如SVM、决策树)。通过一个示例展示了从像素数据到图像分类的完整流程,强调了预处理和特征提取的重要性。虽然scikit-learn在图像识别中有应用,但随着深度学习的发展,卷积神经网络在该领域展现出更强的性能,暗示了未来结合深度学习与scikit-learn的研究趋势。
|
6月前
|
人工智能 数据可视化 vr&ar
TripoSR:一个图像到3D生成模型,你get到了嘛!
TripoSR:一个图像到3D生成模型,你get到了嘛!
106 1
|
6月前
|
机器学习/深度学习 自动驾驶 安全
使用YOLO检测图像中的对象
使用YOLO检测图像中的对象
|
机器学习/深度学习 编解码 人工智能
深度学习应用篇-计算机视觉-图像增广1:数据增广、图像混叠、图像剪裁类变化类等详解
深度学习应用篇-计算机视觉-图像增广1:数据增广、图像混叠、图像剪裁类变化类等详解
深度学习应用篇-计算机视觉-图像增广1:数据增广、图像混叠、图像剪裁类变化类等详解
|
机器学习/深度学习 存储 编解码
使用深度学习从分割图生成图像
使用深度学习从分割图生成图像
176 0