【T-Rex Label基础教程】全新的自动化图片标注工具/软件 提高效率必备 可在线

文章目录

• 0 数据准备
• 1 图片导入
• 2 数据标注
• 3 标注导出
• 4 格式转换

T-Rex Label

是一种自动化辅助图片标注的工具，它可以使人们脱离繁琐的传统标注流程（如LabelImg），极大地提高标注的效率。

话不多说，先来看一看自动化辅助标注的震撼效果：

那么该如何获取呢？ T-Rex Label Github官网提供了在线和本地两种方式，这里为了避免繁琐的环境配置过程，选择T-Rex Label在线工具进行说明。(点击即可跳转)

以下从数据准备、图片导入、数据标注、标注导出、格式转换五个小节来说明

T-Rex Label

的使用流程。

0 数据准备

人们总是对例子情有独钟，为了帮助你更好的理解操作流程，我将通过一个案例来说明。

我们手中有如下的数据目录，Annotations_voc存放VOC格式的xml标注文件，Annotations_yolo存放YOLO格式的txt标注文件，当然目前还没有开始标注，他们都是空的，而pic中存放的是此次要标注的5张图片。

我们的目的是在

T-Rex Label

在线工具上对pic进行标注（把所有人头head标注出来），获得相应的Annotations_yolo标注文件（因为目前只支持导出COCO和YOLO格式），再使用yolo2voc.py(后续会提供)将YOLO格式转化为VOC格式，从而获取Annotations_voc 标注文件。

1 图片导入

打开在线工具链接后，在以下界面选择要导入的图片即可，目前最多支持一次导入200张图片并对其进行标注。

可以看到导入图片后如下，接着点击开始标注即可。

2 数据标注

下面用动图演示标注过程如下：

      ① 
     
    
   
  
    {\color{#E16B8C}{①}} 
   
  
① 过程中因为预先没有定义分类，先按**A**键进入智能标注模式时，会提示你创建一个分类(e.g. head)；

      ② 
     
    
   
  
    {\color{#E16B8C}{②}} 
   
  
② 创建完成后，接着**左键**划标注框 
 
  
   
   
     → 
    
   
  
    \rightarrow 
   
  
→**Enter**确定，这样一张图片的标注就完成了；

      ③ 
     
    
   
  
    {\color{#E16B8C}{③}} 
   
  
③ 过程中如果有划错的标注框，可以按**Ctrl+Z**回撤，也可以按**D**键进入选择模式，点击要删除的标定框后按**Del**键即可；
 
  
   
    
    
      ④ 
     
    
   
  
    {\color{#E16B8C}{④}} 
   
  
④ 过程中如果有AI漏标的对象，可以按**R**键进入手动标注模式进行框定；
 
  
   
    
    
      ⑤ 
     
    
   
  
    {\color{#E16B8C}{⑤}} 
   
  
⑤ 另外可以用小键盘上的**左右方向键**切换图片；
 
  
   
    
    
      ⑥ 
     
    
   
  
    {\color{#E16B8C}{⑥}} 
   
  
⑥ 建议先用智能标注完成一遍所有导入图片的粗标注，再用手动标注的方式进行精标注。

3 标注导出

所有图片都标注完成后导出标注即可。这里只可选择COCO或YOLO格式，我们先选择YOLO格式。

接着你会得到一个压缩包，解压后的文件目录如下，其中images是上传的原始图片，labels是YOLO格式的标注，classes是定义的分类。

到这儿，如果你需要的是YOLO或COCO格式，那么标注过程就完成了，如果你需要VOC格式，请看格式转换一节。

4 格式转换

首先创建一个如下图所示的项目目录：

      ① 
     
    
   
  
    {\color{#E16B8C}{①}} 
   
  
①**data**在**图片导入**一节中已经讲解过了；
 
  
   
    
    
      ② 
     
    
   
  
    {\color{#E16B8C}{②}} 
   
  
② 将下载解压得到的images中的图片放入**pic**中，将labels中的文件放入**Annotations_yolo**中，此时**Annotations_voc**仍为空；
 
  
   
    
    
      ③ 
     
    
   
  
    {\color{#E16B8C}{③}} 
   
  
③ 接着创建**yolo2voc.py**的转换函数(主要更改__main__的部分)，运行即可在**Annotations_voc**中看到VOC格式的标注文件；

# yolo2voc.py文件的内容 from xml.dom.minidom import Document
import os
import cv2
# 可以修改makexml定制化要写入xml的内容defmakexml(picPath, txtPath, xmlPath,
            folder_name="pic",#图片文件建的名称
            dirpath=".\\data\\pic\\",#图片目录):"""此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件
    """
    dic ={'0':"head"}# 创建字典用来对类型进行转换
    files = os.listdir(txtPath)for name in files:
        xmlBuilder = Document()
        annotation = xmlBuilder.createElement("annotation")
        xmlBuilder.appendChild(annotation)
        txtFile =open(os.path.join(txtPath, name))
        txtList = txtFile.readlines()
        img = cv2.imread(os.path.join(picPath, name[0:-4]+".jpg"))
        Pheight, Pwidth, Pdepth = img.shape
        folder = xmlBuilder.createElement("folder")
        foldercontent = xmlBuilder.createTextNode(folder_name)
        folder.appendChild(foldercontent)
        annotation.appendChild(folder)
        filename = xmlBuilder.createElement("filename")
        filenamecontent = xmlBuilder.createTextNode(name[0:-4]+".jpg")
        filename.appendChild(filenamecontent)
        annotation.appendChild(filename)
        path = xmlBuilder.createElement("path")
        pathcontent = xmlBuilder.createTextNode(dirpath + name[0:-4]+".jpg")
        path.appendChild(pathcontent)
        annotation.appendChild(path)
        source = xmlBuilder.createElement("source")
        annotation.appendChild(source)
        database = xmlBuilder.createElement("database")
        databasecontent = xmlBuilder.createTextNode("Unknown")
        database.appendChild(databasecontent)
        source.appendChild(database)
        size = xmlBuilder.createElement("size")
        width = xmlBuilder.createElement("width")
        widthcontent = xmlBuilder.createTextNode(str(Pwidth))
        width.appendChild(widthcontent)
        size.appendChild(width)
        height = xmlBuilder.createElement("height")
        heightcontent = xmlBuilder.createTextNode(str(Pheight))
        height.appendChild(heightcontent)
        size.appendChild(height)
        depth = xmlBuilder.createElement("depth")
        depthcontent = xmlBuilder.createTextNode(str(Pdepth))
        depth.appendChild(depthcontent)
        size.appendChild(depth)
        annotation.appendChild(size)
        segmented = xmlBuilder.createElement("segmented")
        segmentedcontent = xmlBuilder.createTextNode("0")
        segmented.appendChild(segmentedcontent)
        annotation.appendChild(segmented)for j in txtList:
            oneline = j.strip().split(" ")object= xmlBuilder.createElement("object")
            picname = xmlBuilder.createElement("name")
            namecontent = xmlBuilder.createTextNode(dic[oneline[0]])
            picname.appendChild(namecontent)object.appendChild(picname)
            pose = xmlBuilder.createElement("pose")
            posecontent = xmlBuilder.createTextNode("Unspecified")
            pose.appendChild(posecontent)object.appendChild(pose)
            truncated = xmlBuilder.createElement("truncated")
            truncatedContent = xmlBuilder.createTextNode("0")
            truncated.appendChild(truncatedContent)object.appendChild(truncated)
            difficult = xmlBuilder.createElement("difficult")
            difficultcontent = xmlBuilder.createTextNode("0")
            difficult.appendChild(difficultcontent)object.appendChild(difficult)
            bndbox = xmlBuilder.createElement("bndbox")
            xmin = xmlBuilder.createElement("xmin")
            mathData =int(((float(oneline[1]))* Pwidth +1)-(float(oneline[3]))*0.5* Pwidth)
            xminContent = xmlBuilder.createTextNode(str(mathData))
            xmin.appendChild(xminContent)
            bndbox.appendChild(xmin)
            ymin = xmlBuilder.createElement("ymin")
            mathData =int(((float(oneline[2]))* Pheight +1)-(float(oneline[4]))*0.5* Pheight)
            yminContent = xmlBuilder.createTextNode(str(mathData))
            ymin.appendChild(yminContent)
            bndbox.appendChild(ymin)
            xmax = xmlBuilder.createElement("xmax")
            mathData =int(((float(oneline[1]))* Pwidth +1)+(float(oneline[3]))*0.5* Pwidth)
            xmaxContent = xmlBuilder.createTextNode(str(mathData))
            xmax.appendChild(xmaxContent)
            bndbox.appendChild(xmax)
            ymax = xmlBuilder.createElement("ymax")
            mathData =int(((float(oneline[2]))* Pheight +1)+(float(oneline[4]))*0.5* Pheight)
            ymaxContent = xmlBuilder.createTextNode(str(mathData))
            ymax.appendChild(ymaxContent)
            bndbox.appendChild(ymax)object.appendChild(bndbox)
            annotation.appendChild(object)# 使用字符串方式写入 XML 文件，避免生成 XML 声明# 使用临时文件写入 XML
        temp_xml_path = os.path.join(xmlPath, name[0:-4]+"_temp.xml")withopen(temp_xml_path,'w', encoding='utf-8')as temp_file:
            xmlBuilder.writexml(temp_file, indent='\t', newl='\n', addindent='\t', encoding='utf-8')# 读取临时 XML 文件并处理withopen(temp_xml_path,'r', encoding='utf-8')as temp_file:
            lines = temp_file.readlines()# 删除第一行并缩进后面的行withopen(os.path.join(xmlPath, name[0:-4]+".xml"),'w', encoding='utf-8')as final_file:for line in lines[1:]:# 从第二行开始写入
                final_file.write(line[1:])# 去掉每一行的第一个缩进# 删除临时文件
        os.remove(temp_xml_path)if __name__ =="__main__":
    picPath ="data/pic/"# 图片所在文件夹路径，后面的/一定要带上
    txtPath ="data/Annotations_yolo/"# txt所在文件夹路径，后面的/一定要带上
    xmlPath ="data/Annotations_voc/"# xml文件保存路径，后面的/一定要带上
    makexml(picPath, txtPath, xmlPath,
            folder_name="pic",
            dirpath=".\\data\\pic\\")

      ④ 
     
    
   
  
    {\color{#E16B8C}{④}} 
   
  
④ 为了验证转换的正确性，使用**demo.py**文件(主要更改__main__的部分)可视化VOC标注的效果。

# demo.py文件的内容import os
import xml.etree.ElementTree as ET
from PIL import Image, ImageDraw
defparse_voc_xml(xml_file):"""解析 VOC 格式的 XML 文件，提取检测框信息"""
    tree = ET.parse(xml_file)
    root = tree.getroot()
    boxes =[]for obj in root.findall('object'):
        name = obj.find('name').text
        xmlbox = obj.find('bndbox')
        xmin =int(xmlbox.find('xmin').text)
        ymin =int(xmlbox.find('ymin').text)
        xmax =int(xmlbox.find('xmax').text)
        ymax =int(xmlbox.find('ymax').text)
        boxes.append((name, xmin, ymin, xmax, ymax))return boxes
defvisualize_boxes(image_path, boxes):"""在图片上绘制检测框"""
    image = Image.open(image_path)
    draw = ImageDraw.Draw(image)for box in boxes:
        name, xmin, ymin, xmax, ymax = box
        draw.rectangle([xmin, ymin, xmax, ymax], outline='red', width=3)
        draw.text((xmin, ymin), name, fill='red')return image
defmain(image_path, xml_path):# 解析 XML 文件，获取检测框
    boxes = parse_voc_xml(xml_path)# 可视化检测框
    visualized_image = visualize_boxes(image_path, boxes)# 显示图片
    visualized_image.show()if __name__ =="__main__":# 输入图片和对应的 XML 文件路径
    image_path ="data/pic/002861.jpg"# 替换为你的图片路径
    xml_path ="data/Annotations_voc/002861.xml"# 替换为你的 XML 文件路径
    main(image_path, xml_path)

可以看到运行后的可视化效果如下，说明YOLO格式转VOC格式成功。