旋转标注工具roLabelImg使用教程

简介: 旋转标注工具roLabelImg使用教程

1、下载地址

   labelImg工具地址:labelImg。


   roLabelImg工具地址:roLabelImg


   附上labelme工具地址:labelme


2、环境配置

   使用roLabelImg必须要先安装labelImg(作者配置为Win10+Python3.7.0)


 (1)PyQt5安装


   直接在CMD中输入pip install pyqt5 (或者下载whl文件进行离线安装pyqt5)。



w1.png

   验证安装:运行以下代码弹出窗口则表示安装成功。


import sys

from PyQt5 import QtWidgets,QtCore

app = QtWidgets.QApplication(sys.argv)

widget = QtWidgets.QWidget()

widget.resize(360,400)

widget.setWindowTitle("I love PyQt5!")

widget.show()

sys.exit(app.exec_())

(2) 安装lxml:pip install lxml


(3) 使用labelImg


   进入下载好的labelImg-master文件夹内(resources.py所在目录),CMD中输入pyrcc5 -o resources.py resources.qrc


   然后继续输入命令python labelImg.py,即打开了labelImg运行页面可开始标注了。


q5.png


3、使用roLabelImg

   进入下载好的roLabelImg-master文件夹内(resources.py所在目录),CMD中输入pyrcc5 -o resources.py resources.qrc


   然后继续输入命令python roLabelImg.py,此处报错了name ‘codecs’ is not defined,只需将roLabelImg.py文件中的# -- coding: utf8 --改成# -- coding: utf-8 --。


q4.png


    再次运行python roLabelImg.py,即打开了roLabelImg运行页面可开始标注了。Open Dir为打开要标注的图像文件夹,Files->change default saved Annotation dir 更改保存的标注xml文件路径,Create RotatedRBox开始绘制旋转矩形。


q3.png


    以下是一些标注快捷键,主要通过使用ZXCV实现标注框的旋转。


q2.png


   标注完之后,的xml示例如下,cx,cy代表标注框中心点的坐标,w,h代表宽和高,angle代表标注矩形框的角度。


   注意:angle是旋转角度的弧度值,水平方向angle=0,顺时针方向旋转,得到的角度值是正值,旋转一周为pi,没有负值。




 q1.png


相关文章
|
JSON 数据格式 Python
对Labelme标注图像,进行90、180、270的旋转,实现标注数据的扩充。
对Labelme标注图像,进行90、180、270的旋转,实现标注数据的扩充。
1787 0
对Labelme标注图像,进行90、180、270的旋转,实现标注数据的扩充。
|
机器学习/深度学习 人工智能 测试技术
YOLO26如何训练自己的obb数据集(原理介绍+代码详见+结构框图) | (无人机航拍船舶为案列)
YOLO26全新发布!本文详解其核心创新:移除DFL、端到端无NMS推理、ProgLoss+STAL小目标优化、MuSGD优化器,并附无人机航拍船舶OBB数据集训练全流程与结构框图。
741 1
|
JSON 人工智能 数据格式
AI计算机视觉笔记二十六:YOLOV8自训练关键点检测
本文档详细记录了使用YOLOv8训练关键点检测模型的过程。首先通过清华源安装YOLOv8,并验证安装。接着通过示例权重文件与测试图片`bus.jpg`演示预测流程。为准备训练数据,文档介绍了如何使用`labelme`标注工具进行关键点标注,并提供了一个Python脚本`labelme2yolo.py`将标注结果从JSON格式转换为YOLO所需的TXT格式。随后,通过Jupyter Notebook可视化标注结果确保准确性。最后,文档展示了如何组织数据集目录结构,并提供了训练与测试代码示例,包括配置文件`smoke.yaml`及训练脚本`train.py`,帮助读者完成自定义模型的训练与评估。
7017 3
|
机器学习/深度学习 数据采集 数据可视化
基于YOLOv8的PCB缺陷检测识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
本项目基于YOLOv8实现PCB缺陷检测,提供一站式解决方案。包含完整训练代码、标注数据集、预训练权重及PyQt5图形界面,支持图片、文件夹、视频和摄像头四种检测模式。项目开箱即用,适合科研、工业与毕业设计。核心功能涵盖模型训练、推理部署、结果保存等,检测类型包括缺孔、鼠咬缺口、开路、短路、飞线和杂铜。项目具备高性能检测、友好界面、灵活扩展及多输入源支持等优势,未来可优化模型轻量化、多尺度检测及报告生成等功能。
基于YOLOv8的PCB缺陷检测识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
|
机器学习/深度学习 编解码 监控
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
这篇文章详细介绍了如何使用YOLOv8进行目标检测任务,包括环境搭建、数据准备、模型训练、验证测试以及模型转换等完整流程。
29571 59
目标检测实战(六): 使用YOLOv8完成对图像的目标检测任务(从数据准备到训练测试部署的完整流程)
|
编解码 异构计算
YOLOv11改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
YOLOv11改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
4787 7
YOLOv11改进策略【Neck】| BiFPN:双向特征金字塔网络-跨尺度连接和加权特征融合
|
人工智能 开发工具 计算机视觉
AI计算机视觉笔记三十:yolov8_obb旋转框训练
本文介绍了如何使用AUTODL环境搭建YOLOv8-obb的训练流程。首先创建虚拟环境并激活,然后通过指定清华源安装ultralytics库。接着下载YOLOv8源码,并使用指定命令开始训练,过程中可能会下载yolov8n.pt文件。训练完成后,可使用相应命令进行预测测试。
2235 4
|
机器学习/深度学习 人工智能 算法
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
X-AnyLabeling是一款集成了多种深度学习算法的图像标注工具,支持图像和视频的多样化标注样式,适用于多种AI训练场景。本文将详细介绍X-AnyLabeling的功能、技术原理以及如何运行该工具。
4659 2
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
|
编解码 算法 计算机视觉
YOLOv11改进策略【Head】| 增加针对 大目标 的检测层 (四个检测头)
YOLOv11改进策略【Head】| 增加针对 大目标 的检测层 (四个检测头)
2771 7
|
数据处理 算法框架/工具 计算机视觉
手把手教你使用YOLOV5训练自己的目标检测模型
本教程由肆十二(dejahu)撰写,详细介绍了如何使用YOLOV5训练口罩检测模型,涵盖环境配置、数据标注、模型训练、评估与使用等环节,适合大作业及毕业设计参考。提供B站视频、CSDN博客及代码资源链接,便于学习实践。
6441 1
手把手教你使用YOLOV5训练自己的目标检测模型

热门文章

最新文章