Autolabelimg自动标注工具

前言

在做机器视觉有监督方面,通常会面对很多数据集，然后去进行标注，而有些时候我们面对庞大数量数据集的情况下也会感到十分头疼，这个时候Autolabelimg这个自动标注神器就应运而生了。让我们可以实现批量处理图片和标注文件。

一、 工具原理和功能

1. 原理

这个工具的原理十分简单，它是基于labelimg标注软件的改良版，利用已标注好的图片进行训练，比如说我们有1w张数据需要去进行标注，这个时候我们就不可能把这1w张数据挨个挨个标注完，当然有些肝帝的情况当我没说哈；好了不开玩笑继续下文讲解，我们可以选择把这1w张数据先标注个1k张或者2k张等一部分，然后将这些已标注数据拿来进行训练，最后将训练出的模型导入我们的工具中，在启动它的标注开关，他会根据模型去识别剩下的数据，还可以选择需要自动标注的类别，识别出来之后得到坐标点信息，然后保存为xml或者voc文件，如此一来便可以实现自动标注。

2. 功能列表

AutoLabelImg 除了labelimg的初始功能外，额外包含十多种辅助标注功能，分别在Annoatate-tools和Video-tools两个新菜单栏下面，具体如下：
• 自动标注：基于yolov5的模型自动标注，将yolov5的检测结果转化为.xml标注文件
• 追踪标注：基于opencv的追踪模块实现的视频自动标注，标注开始的一帧，利用追踪预测后续的一段视频
• 放大镜：鼠标附近区域的放大展示，方便标注一些微小目标，放大镜功能可以选择开启或关闭
• 数据增强：随机使用平移，翻转，缩放，亮度，gama，模糊等手段增强图片
• 查询系统：十多种新功能，不知道是干嘛的？没关系，搜索一下就可以了，支持模糊搜索
• 其他批量处理工具如：类别筛选/重命名/统计、标注文件属性校正、视频提取/合成、图片重命名等。

二、 实战

本人使用环境：win10 + cuda11.6 + torch1.12.0(GPU版本) + torchvision 0.13.0
好了废话不多说开始实战。

1. 下载与安装

GitHub源码链接：

https://github.com/wufan-tb/AutoLabelImg.git

复制源码链接,然后打开git clone即可：

git clone https://github.com/wufan-tb/AutoLabelImg.git

这是下载完成的Autolabeling文件夹下所有文件，长这样：

安装方法也可以参照项目仓库中的readme

2. 配置环境

文章有自带的requirements.txt文件，cd进入demo的文件夹,直接pip install –r requirements.txt 即可，需要注意的是，我之前通过pip install直接下载配置的环境torch是cpu版本的，故需自行提前配置一下gpu版本torch的环境。
觉得安装慢的可以使用镜像源安装，例：
使用豆瓣源：

pip install –r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

3. 开始使用

在环境等预备前提条件都满足的情况下，我们正式开始使用环节，启动方式和labelimg一样，python labelimg.py。
启动界面：

看这界面是不是很眼熟呢？没错，就是基于labeling的基础之上的改良版本！！！
各项功能如下，左侧是原文，右侧是翻译：

可以选择auto_labelimg开始自动标注，也可以使用快捷键Ctrl+6。

4. 导入模型

开始标注之前我们需要导入已训练好的模型，操作如下。
模型导入路径为：pytorch_yolov5\weights下，将训练好的模型放入其中即可，在开始自动标注前也会让其选择使用哪个模型，例：

5. 选择标注类别

在选择好我们的模型之后，工具会提示我们选择需要自动标注的类别，例如我选择导入的模型中有以下“person”,“MachineWorking”,“NoCushion”,“Machine”这几个类别，我们可以选择想要自动标注的类别。

6. 进行自动标注

在选择完类别之后也可以选择输出图片尺寸，默认640

选择完size便可以直接开始标注，下面是表示工具正在自动标注：

等待进度条完成便完成了自动标注的全过程，你会发现你的数据都已经标注完成！！！

7. 进行自动标注 [更新于06.27]

本次更新内容：
1.上传文件至云盘保存；很多朋友说github上下载不下来；

链接：https://pan.baidu.com/s/1Vxrd1_cMIi190dyUu545NQ?pwd=ly16
提取码：ly16

(链接被吞了也可以私信我哦)

2.教大家用cpu如何进行自动标注；

修改labelimg.py文件的内容，我这里大概在2379行，将2379行改为第2380行的内容即可

3.修改操作界面为中文（中文翻译部分会显示不全）

修改lib文件夹下的stringBundle.py文件，在里面找到basePath参数，修改47行为48行内容即可

三、 总结

个人觉得写出此demo源的大佬代码十分干净整洁，也有很强逻辑性，我这种小白也容易看得懂，另外这个项目真的算得上是懒人福音了，美中不足的是当前版本是仅支持YOLOV5的各个版本，感兴趣的也可自行更改labelimg.py进行修改以支持yolov7等其他模型，同时也希望此工具能对搞图片标注的人起到一些帮助吧，毕竟标图是真的费手。

本文参考文档