📚 课程目录第3章数据集标注（上）

3. 数据集标注（上）

做目标检测，数据标注是绕不开的一步。很多人觉得标注就是画框，没什么技术含量。其实不然。我见过不少项目，模型训练出来效果差，回头一查，标注数据一塌糊涂。今天我们就来聊聊标注这件事。

核心观点：标注质量直接决定模型上限。算法再牛，也救不了垃圾标注。

3.1 标注工具选型：为什么我推荐LabelImg

市面上标注工具有很多，LabelImg、LabelMe、CVAT、RectLabel……我个人习惯用LabelImg。原因很简单：轻量、免费、跨平台、上手快。你不需要折腾服务器，下载就能用。

工具	平台	输出格式	适合场景
LabelImg	Windows / macOS / Linux	Pascal VOC / YOLO	小团队、个人项目
LabelMe	Web / 本地	JSON	语义分割、多边形标注
CVAT	Web（需部署）	多种格式	团队协作、大规模标注
RectLabel	macOS	Pascal VOC / YOLO	mac用户、付费需求

如果你只是做YOLO目标检测，LabelImg完全够用。我在项目中用过CVAT，功能确实强大，但部署和维护成本高。对于课程里的实战项目，LabelImg是最佳选择。

3.2 LabelImg安装与使用

3.2.1 安装步骤

LabelImg的安装方式取决于你的操作系统。我建议用pip安装，最省事。

# 安装依赖
pip install pyqt5 lxml

# 安装LabelImg
pip install labelImg

# 启动
labelImg

如果你在macOS上遇到权限问题，试试用homebrew：

brew install labelImg

Windows用户可以直接下载exe安装包，或者用Anaconda环境安装。我记得有一次在Windows上装了半天，最后发现是Python版本不兼容。嗯，这里要注意：LabelImg对Python 3.6-3.9支持最好，3.10以上可能会有小问题。

3.2.2 界面与基本操作

启动后你会看到一个简洁的界面。左边是工具栏，中间是图片显示区，右边是标签列表。操作流程很简单：

打开图片目录：点击「Open Dir」选择存放图片的文件夹
设置保存目录：点击「Change Save Dir」选择标注文件存放位置
开始标注：点击「Create RectBox」或按快捷键 W，在目标上拖拽画框
输入标签：画完框后弹出对话框，输入类别名称
保存：按 Ctrl+S 或点击「Save」
下一张：按 D 切换到下一张图片

小技巧：LabelImg支持快捷键操作。我习惯左手键盘（W画框、D下一张、A上一张、Ctrl+S保存），右手鼠标。这样标注效率能提升30%以上。

3.3 Pascal VOC格式详解

LabelImg默认输出Pascal VOC格式，也就是XML文件。这个格式在目标检测领域非常经典，很多框架都支持。

3.3.1 文件结构

一个标准的Pascal VOC数据集目录结构是这样的：

VOCdevkit/
  VOC2007/
    JPEGImages/        # 存放原始图片
    Annotations/       # 存放XML标注文件
    ImageSets/
      Main/            # 存放训练/验证/测试集划分文件
        train.txt
        val.txt
        trainval.txt
        test.txt

3.3.2 XML文件解析

我们来看一个实际的XML标注文件：

<annotation>
  <folder>VOC2007</folder>
  <filename>000001.jpg</filename>
  <source>
    <database>MyDataset</database>
  </source>
  <size>
    <width>500</width>
    <height>375</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <name>person</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
      <xmin>100</xmin>
      <ymin>50</ymin>
      <xmax>300</xmax>
      <ymax>350</ymax>
    </bndbox>
  </object>
</annotation>

关键字段说明：

字段	含义	注意事项
`filename`	图片文件名	必须与JPEGImages中的文件一致
`size`	图片尺寸（宽、高、通道数）	标注时自动读取，不要手动修改
`name`	目标类别名称	大小写敏感，建议全小写
`truncated`	目标是否被截断（0/1）	图片边缘的目标设为1
`difficult`	目标是否难以识别（0/1）	模糊、遮挡严重的目标设为1
`bndbox`	边界框坐标（xmin, ymin, xmax, ymax）	左上角和右下角坐标，像素值

3.3.3 坐标格式说明

Pascal VOC用的是左上角+右下角坐标格式。而YOLO用的是中心点+宽高的归一化格式。两者转换公式如下：

# Pascal VOC (xmin, ymin, xmax, ymax) → YOLO (cx, cy, w, h)
cx = (xmin + xmax) / 2 / image_width
cy = (ymin + ymax) / 2 / image_height
w = (xmax - xmin) / image_width
h = (ymax - ymin) / image_height

这个转换在后续训练中会用到。我建议你写一个脚本批量处理，不要手动算。

3.4 标注规范与避坑指南

这部分是我最想说的。标注规范没定好，后面全是坑。

3.4.1 标注基本原则

框要贴边：边界框紧贴目标轮廓，不要留太多背景，也不要切掉目标主体
遮挡处理：目标被遮挡时，只标注可见部分，不要脑补完整形状
小目标标注：小于图片面积1%的目标，建议统一标注，不要漏标
类别一致性：同一类目标在不同图片中，标注标准要统一

3.4.2 常见错误

我曾经在一个项目中，标注员把「car」和「truck」混着标。结果模型训练出来，大卡车被识别成小轿车。你想想看，这问题出在哪？标注标准没定清楚。

错误类型	表现	后果
框太大	边界框包含大量背景	模型学到背景特征，误检率高
框太小	切掉目标边缘	模型学不到完整特征，召回率低
漏标	图片中有目标但没标注	模型认为这是负样本，产生漏检
标签错误	类别名称写错或混淆	模型分类错误
坐标越界	xmin/xmax超出图片范围	训练时报错，数据加载失败

3.4.3 避坑指南

我曾经踩过的坑：

标注完才发现图片命名有中文和空格，导致训练时路径解析失败。建议统一用数字或英文命名，不要用中文和特殊字符。
XML文件中的filename和实际图片名不一致。LabelImg有时会自动修改文件名，记得检查。
多人标注时，同一类目标用了不同名称（比如「person」和「people」）。建议提前定义好类别列表，标注时只能从列表中选择。

3.5 标注流程与质量控制

一个规范的标注流程，应该包含以下步骤：

制定标注规范文档：明确类别定义、边界框标准、特殊情况处理
小批量试标：先标50张，检查质量，修正规范
正式标注：按规范批量标注
质量抽检：随机抽取10%-20%的标注结果，检查准确率
修正与迭代：根据抽检结果，修正错误标注

我的建议：标注完成后，用脚本做一次自动化检查。检查内容：XML文件是否完整、坐标是否越界、类别名称是否在预定义列表内、图片和XML是否一一对应。这些检查能帮你省掉很多调试时间。

3.6 本章知识体系

下面这张图总结了本章的核心内容，从工具选择到格式理解，再到标注规范，形成一个完整的数据标注知识体系。