从零到一：手把手教你用LabelImg打造专属VOC/YOLO目标检测数据集

1. 环境准备与LabelImg安装

目标检测的第一步是准备好标注工具。LabelImg作为开源图像标注工具中的佼佼者，支持VOC和YOLO两种主流格式。这里以Windows系统为例演示安装过程（其他系统类似）：

Python环境配置：

# 创建虚拟环境（推荐） python -m venv labelimg_env labelimg_env\Scripts\activate # 安装LabelImg pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，直接在命令行输入labelimg即可启动工具。第一次运行时建议准备两个文件夹：

  • JPEGImages/：存放待标注的原始图片
  • Annotations/：用于保存标注结果

注意：如果遇到PyQt相关报错，可以尝试先安装pip install pyqt5 lxml。Linux用户可能需要额外执行sudo apt-get install pyqt5-dev-tools

2. 数据标注实战技巧

2.1 标注界面详解

启动LabelImg后，你会看到这样的工作区：

  • 左侧：图片显示区域
  • 右侧：标注类别列表
  • 顶部工具栏：保存、切换图片等常用功能

高效标注的3个关键设置：

  1. 在View菜单中勾选Auto Save mode（切换图片自动保存）
  2. 开启Display Labels实时显示标注框和标签
  3. 启用Advanced Mode让标注框持续显示

2.2 快捷键大全

记住这些快捷键能提升3倍效率：

W：创建标注框 A：上一张图片 D：下一张图片 Ctrl+鼠标滚轮：缩放图片 Del：删除当前标注框 Space：标记为已校验 Ctrl+S：手动保存

2.3 类别管理技巧

在标注前，建议先创建predefined_classes.txt文件定义所有类别，例如：

cat dog person car

启动时通过命令加载预设类别：

labelimg JPEGImages/ predefined_classes.txt

3. 标注结果格式解析

3.1 VOC格式详解

选择PascalVOC格式时，每个图片会生成对应的XML文件，包含以下关键信息：

<annotation> <size> <width>800</width> <height>600</height> </size> <object> <name>dog</name> <bndbox> <xmin>100</xmin> <ymin>200</ymin> <xmax>300</xmax> <ymax>400</ymax> </bndbox> </object> </annotation>

坐标系统以图片左上角为原点(0,0)，向右为x正方向，向下为y正方向。

3.2 YOLO格式解析

选择YOLO格式会生成txt文件，其内容示例：

0 0.25 0.5 0.1 0.2 1 0.75 0.3 0.15 0.15

每行表示一个物体，五个数字分别代表：

  • 类别ID（对应classes.txt中的顺序）
  • 中心点x坐标（归一化到0-1）
  • 中心点y坐标
  • 框宽度
  • 框高度

4. 构建VOC标准数据集

4.1 目录结构规范

完整的VOC数据集应包含以下结构：

VOCdevkit/ └── VOC2024/ ├── Annotations/ # 存放XML标注文件 ├── JPEGImages/ # 存放原始图片 ├── ImageSets/ │ └── Main/ # 划分训练集/验证集 │ ├── train.txt │ └── val.txt

4.2 自动划分训练集

使用Python脚本快速划分数据集：

import os import random img_dir = "VOCdevkit/VOC2024/JPEGImages" all_imgs = [f.split('.')[0] for f in os.listdir(img_dir)] random.shuffle(all_imgs) split = int(0.8 * len(all_imgs)) # 80%训练集 with open('VOCdevkit/VOC2024/ImageSets/Main/train.txt', 'w') as f: f.write('\n'.join(all_imgs[:split])) with open('VOCdevkit/VOC2024/ImageSets/Main/val.txt', 'w') as f: f.write('\n'.join(all_imgs[split:]))

5. VOC转YOLO格式实战

5.1 转换原理

转换的核心是将VOC的绝对坐标(xmin,ymin,xmax,ymax)转换为YOLO的相对坐标：

def voc_to_yolo(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] return (x*dw, y*dh, w*dw, h*dh)

5.2 批量转换脚本

使用这个脚本一键转换整个数据集：

import xml.etree.ElementTree as ET import os classes = ["cat", "dog"] # 替换为你的类别 def convert(size, box): # ...同上... for xml_file in os.listdir("Annotations"): tree = ET.parse(f"Annotations/{xml_file}") root = tree.getroot() with open(f"labels/{xml_file.replace('.xml','.txt')}", 'w') as f: for obj in root.findall('object'): cls = obj.find('name').text cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) bb = convert((w,h), b) f.write(f"{cls_id} {' '.join([str(a) for a in bb])}\n")

6. 常见问题解决方案

问题1：标注时出现重复类别

  • 解决方法：删除labelImg/data/predefined_classes.txt文件

问题2：YOLO格式转换后坐标异常

  • 检查点：确保图片尺寸读取正确，XML中的width/height与实际图片一致

问题3：标注框漂移

  • 技巧：使用方向键微调选框位置（按住Shift加速移动）

在实际工业质检项目中，我发现保持标注一致性至关重要。建议团队制定明确的标注规范，例如：

  • 对于部分遮挡物体：标注可见部分
  • 小物体：至少占图片面积5%才标注
  • 模糊物体：标记为difficult