LabelImg开源图像标注工具 目标检测数据集标注利器

LabelImg开源图像标注工具 目标检测数据集标注利器

LabelImg是一款基于Python和Qt开发的开源图像标注工具，专为目标检测、图像分类等机器学习/深度学习场景的数据集制作设计，支持PASCAL VOC、YOLO、CreateML等主流标注格式，界面简洁、操作高效，是个人研究者与团队制作标注数据集的必备工具。

核心功能模块

1. 多格式标注兼容

• PASCAL VOC格式：生成XML标注文件，适配经典目标检测数据集标准，包含目标类别、边界框坐标等完整信息
• YOLO格式：生成TXT标注文件，按YOLO系列算法要求存储归一化后的边界框坐标与类别索引，直接适配模型训练
• CreateML格式：生成JSON标注文件，适配Apple CreateML训练框架，满足iOS生态模型开发需求

2. 可视化高效标注

• 矩形框（BBox）标注：支持鼠标拖拽绘制、调整边界框，精准框选目标对象
• 标签预设与快速选择：支持提前创建/导入标签列表，标注时一键选择标签，避免重复输入
• 图像操作辅助：支持图像放大/缩小、平移，方便标注小目标或细节区域；支持一键切换上一张/下一张图像，提升标注流畅度

3. 标注效率工具

• 基础编辑功能：完整支持撤销（Undo）、重做（Redo）、复制/粘贴标注框，适配误操作修正与相似目标快速标注
• 自动保存与验证：支持标注文件自动保存，防止数据丢失；内置标签验证功能，避免空标签、格式错误等问题
• 标注进度管理：支持查看已标注/未标注图像列表，清晰掌握标注进度

工具核心特色

1. 开源免费，生态成熟

项目在GitHub开源，拥有活跃的社区支持，文档完善，允许自由使用、修改与定制，无商用限制。

2. 跨平台全适配

原生支持Windows、macOS、Linux三大操作系统，提供pip一键安装、源码运行等多种使用方式，适配不同技术环境。

3. 轻量高效，资源占用低

基于Python+Qt构建，界面简洁无冗余功能，运行时资源占用少，标注流程顺畅，适合大规模数据集连续标注。

4. 高度可定制化

支持自定义标签列表、修改快捷键，适配不同团队的标注规范与个人操作习惯；源码结构清晰，可基于需求二次开发扩展功能（如多边形标注、AI辅助预标注等）。

使用指南

1. 安装方式

• pip一键安装（推荐）：

  pip install labelimg

• 源码运行：

  1. 克隆GitHub仓库：git clone https://github.com/HumanSignal/labelImg.git
  2. 安装依赖：pip install pyqt5 lxml

  3. 运行工具：python labelImg.py
     

     2. 标准标注流程

• 打开工具，点击“Open Dir”选择待标注图像文件夹
• 点击“Change Output Dir”选择标注文件保存路径
• 在菜单栏选择标注格式（PASCAL VOC/YOLO/CreateML）
• 点击“Create RectBox”或按快捷键W绘制边界框，选择预设标签
• 点击“Save”或按快捷键Ctrl+S保存标注，按D切换至下一张图像继续标注

工具总结

LabelImg是机器学习/深度学习领域的经典图像标注工具，凭借多格式兼容、操作高效、跨平台适配等核心优势，成为目标检测数据集制作的首选工具。无论是个人研究者快速标注小批量数据，还是团队制定规范标注大规模数据集，LabelImg都能提供稳定、高效的支持。