一.前言

LabelImg是是用于制作VOC数据集时，对数据集进行标注的工具，是一个图形图像注释工具。
它用python编写的，用QT作为图形界面。
注释被按照ImageNet所使用的PASCAL VOC格式存成XML文件。

1、Anacoda安装（2018年3月9日的版本）

1、 Windows,Macos,Linux都支持Tensorflow
2、 Windows用户只能使用python3.5(64bit) 。MacOS,Linux支持python2.7和python3.3+
3、 有GPU可以安装带GPU版本的，没有GPU就安装CPU版本的
4、 推荐安装Anacoda，pip版本大于8.1.
Anaconda3-4.2.0-Windows-x86_64软件安装在下
安装网址：链接：https://pan.baidu.com/s/1nv1jeeQje6xrRbp0ISIL3Q
提取码：b0cq
安装的过程和其他软件差不多，记住选择All users

寻找jupyter notebook （寻找文件所在位置—右键—发送到桌面—双击启动就会出现浏览器）
编程的环境都是在浏览器上面进行的
打开文件是有一个路径的（文件存放的路径可以设置）：打开C盘—用户—对应的用户

（如果没有jupyter_notebook_config，请需要 命令行中运行：
jupyter notebook --generate-config
打开并修改%\Users\Administrator.jupyter\jupyter_notebook_config.py
The directory to use for notebooks and kernels.
c.NotebookApp.notebook_dir = ‘设置路径’）

2、下载labelimg

下载地址：

https://github.com/tzutalin/labelImg

下载下来后解压缩

3、打开labelimg

在开始菜单中找到anaconda prompt，打开

使用cd 命令进入刚刚下载解压的labelimg文件夹，例如：

cd C:\Users\admin\Desktop\labelImg-master

然后安装pyqt，安装命令：

conda install pyqt=5

时间稍微有点长，如下图所示，安装完成后可能会出现

DEBUG menuinst_win32: init(185): Menu: name: ‘Anaconda$ $’,prefix:……

这个可以不用管

安装完成后，执行命令：

pyrcc5 -o resources.py resources.qrc

这个执行完成是没有任何返回结果的

最后，输入命令：

python labelImg.py

可以看到labelimg打开了，如下图：

4、使用

在labelImg文件中，有个data文件夹，里面有predefined_classes.txt记录着分类名称，可以手动更改类别

选择File->Change Saved Dir（不同版本稍微有些差异，也可能叫做changedefault annatation saved dir）,然后选择一个空文件夹作为你生成的标记xml存放的位置

点击Open Dir选择你的影像图片文件夹

之后，图片便加载进来了，点击左侧Create RectBox，就可以在图像上绘制矩形框了。因为版本差异，绘制矩形框有的需要一直按住鼠标左键，有的则只用初始和结束位置点击一下，视具体版本情况而定。如下图所示：
绘制结束后，会弹出一个框，选择你要标记的类别，比如dog，如果列表里面没有这个类别，可以在方框中输入，最后点击OK。此时，按住Ctrl+S才算保存，之后，可以使用鼠标点击next image进入下一张或者使用快捷键D进入下一张

最终每张图片标注的结果将保存在xml文件中，xml文件和图片名称一致，大致格式如下图所示：

记录着图片名称，标注的对象类别，像素坐标等信息…

相关的快捷键如下：

Ctrl + s 保存

Ctrl + d 复制当前标签和矩形框

space 将当前图像标记为已验证

w 创建一个矩形框

d 下一张图片

a 上一张图片

del 删除选定的矩形框

Ctrl++ 放大

Ctrl-- 缩小

↑→↓← 键盘箭头移动选定的矩形框