=======================================
[ Machine Learning ] The simple tutorial of Label Studio | Part 2
LabelStudio 是一款功能更加多元的物件標註工具，支援多種數據類型的標註，包括影像、文本、超文本、音頻、視頻和時序數據等。相比之下，LabelImg 只是一款專門用於影像標註的工具，且功能較為簡單。此外，Label Studio 的社群更加活躍，提供更多的技術支持和資源。
1. 首先使用 Anaconda Prompt 安裝 Label Studio
pip install label-studio
★ 記得使用系統管理員來啟動 cmd。
★ 若是在安裝過程中遇到下面的錯誤訊息，是因為 ’fcntl’ 屬於 Unix/Linux 系統的 Python 專用模組。一般在預設的環境中常出現，所以要記得將環境轉換成 Python 3.8 才能成功唷。
ModuleNotFoundError: No module named 'fcntl'
2. 執行 Label Studio
label-studio
3. 註冊或者登入 Heartex
4. 接著建立一個新的專案
5. 選擇標註設定
以自己想標註的數據去 Labeling Setup 設定，這裡以機器視覺來作範例，並且以 YOLO 作為訓練模型，所以我們在這邊選擇 Object Detection with Bounding Boxes 的標註選項，進入之後會看到 UI Preview，最後即可儲存設定。
6. 匯入影像
將你想要標記的影像匯入專案，點選 Go to import，影像匯入的格式能為 jpg, png, gif, bmp, svg, webp，這邊統一用 jpg 來做標註。
若是不想一張一張的下載影像，這邊推薦一個免費的 Chrome 擴充功能 ── Image Downloader，它可以讓批次下載任何網站上的影像，只需將要下載的網址複製到工具中，它將自動獲取所有影像的連結並且下載。
以下載 Unsplash 上的影像為例：
它能儲存至指定的資料夾，甚至是重新命名並排序所有影像，實在是非常方便。篩選完照片後，將剛整理完的照片匯入專案內，就能開始標註了。
7. 設定標籤 ( label )
點選右上角的 Setting > Labeling Interface，將預設的 label 刪除，並把你想要新增的 label 加入。以 Cat 為例：
★ 記得儲存！
8. 開始標註
回到專案，點選第一張照片 > 選擇下方 label > 對影像作框選 > 點選 Submit，重複以上動作。
9. 匯出檔案
標註完成後，回到專案內並點選右上方的 Export，我們在這裡選取 YOLO 作為檔案的輸出格式，接著點選右下方的 Export。
輸出完成後會得到一個壓縮檔，裡面的檔案應包含 images, labels, classes, notes。
標記的部分到此結束，下篇將會說明如何使用它們進行模型訓練。
