怎么用labelme标注交通灯

LabelImg 是一个开源图像标注工具，它允许用户在图像上定义矩形框来标记目标对象，这些标记框可以用于训练深度学习模型。

在使用 LabelImg 标注交通灯的过程中，需要先准备好包含交通灯的图像。然后打开 LabelImg，选择要标注的图片并绘制出交通灯所在的矩形框。在每个矩形框上添加一个对应的标签，例如 \"traffic light\" 或者 \"红绿灯\" 等等。重复此 *** 作，直到所有的交通灯都被标注完毕。

在完成标注后，可以将标注结果以 XML 文件的形式保存下来，以便后续使用。这样，我们可以利用这些标注数据来训练深度学习模型，用于交通信号灯的检测和识别任务。

需要注意的是，在标注过程中，要尽量保证标注的准确性和一致性，避免重复标注和标注遗漏，以提高后续训练模型的效果

昨天打了一天标签的小李真的累

看来制作数据集真的是不容易

迟了几天来介绍一下打标签常用的LabelImg的安装和使用

真的好入门 适合小白

————————

以下文章是通过yolov3方式训练的方式

Darknet-YOLO: https://pjreddie.com/darknet/yolo/ （用来训练模型）

labelImg: https://github.com/tzutalin/labelImg （用来给照片打标签，给需要识别的物体打上标签）

1.拍照片要求 (本人用的照片是416*416的) (用的照片大概用了1000多张，考虑从不同角度、灯光、距离、场景)

尺寸: 正方形 (416*416)

2.给照片打标签，一个照片上可以打上多个标签名称，自己可以研究一下labelImg的使用方法

3.将打好标签的图片放入文件夹

下面我介绍一下文件夹中的内容

Annotations (存放 由 labelImg 训练好的 xml文件)

test.txt、train.txt、val.txt中存放图片名字

JPeGImages文件夹中存放图片

以上就是图片准备工作

2.yolov3工作

大家按照官网步骤 *** 作即可

下面有两位大神的训练步骤可以借鉴

https://blog.csdn.net/qq_21578849/article/details/84980298

https://www.jianshu.com/p/f4518fe04da1

有voc训练和tiny训练方式，我两种方式都试了一下，建议大家使用tiny训练方式，因为我试了voc的训练方式，训练出来的模型特别的卡顿

以上yolov3训练需要将近四五个小时左右，所以需要大家耐心等待

然后我们将权重文件训练为iOS中需要的mlmodel模型

我用的是下面的这个方式，大家可以尝试一下

https://github.com/Mrlawrance/yolov3-ios

我用这个人的训练方式遇到一个问题就是 执行下面convert.py *** 作的时候要把 -w去掉换成下面这句

修改后的方法

大家如果在训练的过程中有遇到什么问题也可以交流一下

---