labelimg的功能
-
labelImg可以帮助用户快速而准确地标注大量图像数据，用于建立自己的数据集，以便机器学习研究人员、数据科学家和开发人员标注图像来训练计算机视觉模型。
-
可以标注三种格式
-
PascalVOC标签格式，保存为.xml文件
-
YOLO标签格式，保存为.txt格式
-
CreateML标签格式，保存为.json格式
-
由于之前安装过anaconda，安装的很顺利，一两分钟就好了
step1：打开anaconda3，点开prompt
step2：创建一个新环境来安装labelimg，并选取相应python版本
conda create -n labelimg python=3.9
然后进入到labelimg环境
conda activate labelimg
step3:在labelimg环境下，安装
pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成后，直接输入labelimg，就可以打开软件了
step4：安装完成后，使用anaconda prompt，进入命令行，打开labelimg
conda activate labelimg
labelimg
界面如下：
进去就是全英文- -，在别的博客中有博主总结了一下各按键功能，这里copy了一下（@csdn不要洋洋洋）
以及部分快捷键
由于后续是需要使用YOLOV8的，需转换为txt文件。 明天再看啦。今天开摆- -
new day~
下面是yolov8的安装：
yolov8的安装其实挺简单的，只用在命令行pip install ultralytics就行（注意，这里要看你IDE平时使用的python文件在哪，在那个路径框内直接打cmd就可以省去自己cd的过程了）如图：
进入命令行后，activate激活虚拟环境，至前面显示（venu）即可
安装完成后，会在Scripts内有yolo和yolov8n.pt(权重文件)
我的路径是这样的：
D:\PycharmFiles\hand_detector_py3.9\venv\Scripts
然后先试试yolo能不能用，直接输入yolo，会显示一长串信息，下图就是成功安装的情况啦
下一步，很关键，很多教程都在那将让你把xx文件夹和xx文件夹放在同一目录下，其实完全是多余之举...给绝对路径就好了，不用那么麻烦挪动文件夹
使用格式：
例如，我们对官方例程中的bus图片进行预测。 在命令行中传入model的权重，以及source的绝对路径即可。
具体看看路径下的图片是啥- -
然后回车一下，运行，就可以得到预测的结果图了。下面提示了预测结果的存放路径。
得到路径，去看看预测结果图长啥样。框的还是挺准的。
其实总的流程就是，pip install 完成后，activate环境，然后知道yolo网络的具体使用格式是什么就好了。我们常用的是要对模型进行训练。
yolo task=detect mode=train model=yolov8n.pt data=data/fall.yaml batch=32 epochs=100 imgsz=640 workers=16 device=0 ---后面其实都是一些可调参数，根据实际情况改一下就行，不记得的时候看看其他博客。
流程：模型训练---模型验证---模型预测---模型导出
接下来的任务就是对自己的训练集打标，以及对模型的训练了。
