[YOLOv8] - 使用AnyLabeling对数据集进行标注（含安装和使用技巧）_x-anylabeling自动标注v8教程

什么是AnyLabeling？

anylabeling · PyPI

Effortless data labeling with AI support from YOLO and Segment Anything! 

AnyLabeling = LabelImg + Labelme + Improved UI + Auto-labeling

• Youtube Demo: https://www.youtube.com/watch?v=5qVJiYNX5Kk
• Documentation: https://anylabeling.nrl.ai

• Labeling UI built with ideas and components from LabelImg, LabelMe.
• Auto-labeling with Segment Anything Models, MobileSAM.
• Auto-labeling with YOLOv5, YOLOv8.

项目在保持持续更新， 

https://github.com/vietanhdev/anylabeling

如何Windows下安装AnyLabeling？

创建python虚拟环境

通过miniconda创建名为anylabeling_py310的python虚拟环境:

conda create -n anylabeling_py310 python=3.10
conda activate anylabeling_py310

安装AnyLabeling

pip install anylabeling 
# or pip install anylabeling-gpu for GPU support

启动AnyLabeling

anylabeling

 

如何使用AnyLabeling进行图像标注

 AnyLabeling吸收了LabelImg和LabelMe的优点，并在此基础上进行了优化，它的标注的操作过程和LabelMe保持一致，可以参考 

[YOLOv8] - 使用LabelMe对数据集进行标注（含安装和使用技巧）中的“使用LabelMe来管理标注”章节。

相比LabelImg和LabelMe，AnyLabeling多了哪些新特性

支持中文

 支持使用已有模型进行自动化标注

目前支持Segment  Anything，YOLOv5，YOLOv8模型，你可以使用别人预训练好模型，或者自己训练的模型。

这里展示一下使用YOLOv8n来进行自动化标注：

通过“File->Open Dir”打开存放要标注的图像的目录（我这里直接从coco的test数据集选取了部分图像），选中“YOLOv8n”，这时候会进行模型自动下载，等下载完成。

从右下角的图像列表，选中一张图像，双击打开，点击“Run( i )”按钮进行自动标注：

这个还是很方便的，如果图像中要标注的目标很多，并且存在很多在当前模型已经覆盖了的类别，充分利用之前预训练好的模型，是可以大大的提高标注的效率。

AnyLabeling相比LabelMe，LabelImg界面做了哪些优化

可以说AnyLabeling吸收了所有LabelMe和LabelImg的优点，比如

自动保存标注

把被标注的图像附加到标注信息文件json中

自动使用最后一次标注使用的类别（相当于LabelImg中的设置“Use default label”或者“启动“Single Class Mode”）

增加了是否显示标注十字架

增加了常用快捷键提示 

和LabelMe一样，在用户目录提供了一个可配置文件，可以自定义自己喜欢的快捷键或者颜色

 保持LabelMe一样的命令行格式

可以通过命令行启动AnyLabeling时，使用的图像目录，标签类别，标题保存路径等，

这是我创建的dos bat命令：

D:\my_project\Anaconda3\envs\anylabeling_py310\Scripts\anylabeling.exe D:\YOLOv8Train\anylabeling_datasets\mktk_datasets\cut_640_images --labels D:\YOLOv8Train\anylabeling_datasets\mktk_datasets\cut_640_labels\classes.txt --output D:\YOLOv8Train\anylabeling_datasets\mktk_datasets\cut_640_labels