简介本资源是清华大学大数据应用人才培养系列教材中《数据标注工程》课程的第7章配套PPT课件聚焦数据标注实战全流程面向高校学生、AI初学者及标注工程师等群体系统解决机器学习项目中高质量标注数据获取难、工具配置复杂、多场景标注不规范等核心问题。课件共42页为单个14.22MB的PPTX文件内容覆盖实战环境搭建Python 2.7、PyQt4、lxml安装与环境变量配置、LabelImg标框标注工具详解含界面操作、快捷键、XML格式输出、Labelme多边形标注实践以及医疗影像独立细胞、遥感影像建筑/道路、人像、车牌等四类典型场景的标注方法与作业训练。已有856人学习下载内容结构清晰、步骤翔实、图文并茂可直接用于课堂讲授、自学实操或标注团队内部培训是理解标注工程落地逻辑与掌握主流工具链的优质教学材料。1. 这不是PPT是能跑通LabelImgLabelme的实战操作手册你下载的这份“清华大学精品大数据课件之数据标注课程PPT”表面看是42页教学幻灯片实际是一份可执行的标注工程启动包——它不讲抽象概念直接带你把Python 2.7装进Windows系统、让labelImg.py在命令行里真正弹出GUI界面、用predefined_classes.txt定义医疗细胞类别、把遥感图里的道路框出来并导出符合YOLO训练要求的XML结构。这不是理论复盘而是当年清华课堂上学生真正在机房敲出来的环境路径C:\Python27\Scripts\pip.exe install PyQt4 lxml、set PATH%PATH%;C:\Python27;C:\Python27\Scripts、python labelImg.py -r ./data。适合三类人刚接触CV任务的本科生需从环境变量开始补基础、转岗做AI数据工程师的职场人要快速复现标注流水线、以及带团队落地小规模标注项目的TL需验证工具链兼容性与边界条件。它回避了云平台和SaaS标注服务专注本地化、离线化、可审计的标注闭环——这恰恰是医疗、遥感、车牌等强合规场景的真实需求。2. 实战环境搭建为什么必须用Python 2.7 PyQt4而非现代栈提示本节所有操作均基于Windows 10 x64环境验证Linux/macOS用户需将路径分隔符\替换为/且PyQt4在Python 3.8已停止维护强行升级会导致labelImg主窗口无法渲染。2.1 Python 2.7安装与环境变量硬核配置清华课件坚持使用Python 2.7核心原因在于LabelImg早期版本v1.8.1及之前对PyQt4的深度绑定。PyQt4依赖Qt 4.x ABI而Python 3.6默认链接Qt 5.x导致ImportError: DLL load failed。安装时必须严格选择x86位安装包即使系统是64位因为多数医疗影像标注SDK如OpenSlide仅提供32位DLL。具体步骤如下下载python-2.7.18.msi官方归档版非官网最新版安装路径设为C:\Python27避免空格和中文路径在“Customize Python”界面勾选Add python.exe to Path此选项会自动写入PATH但需手动验证验证是否生效# 打开cmd执行 where python # 正确输出应为 C:\Python27\python.exe python -c import sys; print(sys.version) # 输出 2.7.18 (default, Apr 15 2020, 12:32:29) [MSC v.1500 32 bit (Intel)]若where python无返回需手动添加环境变量右键“此电脑”→“属性”→“高级系统设置”→“环境变量”在“系统变量”中找到Path点击“编辑”→“新建”→输入C:\Python27和C:\Python27\Scripts关键细节两个路径必须分行输入且Scripts目录必须在Python27之后否则pip命令不可用2.2 PyQt4与lxml的离线安装策略课件中Shift右键→在此处打开命令窗口的操作本质是规避pip源不稳定问题。清华镜像站https://pypi.tuna.tsinghua.edu.cn/simple/虽可用但PyQt4的wheel包需匹配VC9.0编译器直接pip install PyQt4极易失败。正确做法是下载预编译whl文件访问 Unofficial Windows Binaries for Python Extension Packages下载PyQt4‑4.11.4‑cp27‑cp27m‑win32.whl注意cp27表示Python 2.7win32表示32位同样下载lxml‑3.8.0‑cp27‑cp27m‑win32.whl安装命令pip install PyQt4-4.11.4-cp27-cp27m-win32.whl pip install lxml-3.8.0-cp27-cp27m-win32.whl验证安装# 运行以下代码无报错即成功 from PyQt4 import QtCore, QtGui import lxml.etree as ET print(PyQt4 and lxml loaded successfully)注意若出现ImportError: No module named sip说明PyQt4依赖的sip未安装需额外下载sip‑4.19.8‑cp27‑cp27m‑win32.whl并安装。2.3 LabelImg源码级运行与配置固化课件中labelImg-master文件夹来自GitHub原始仓库https://github.com/tzutalin/labelImg但清华版本已修改labelImg.py第32行# 原始代码 DEFAULT_FILENAME os.path.join(os.path.dirname(__file__), data, predefined_classes.txt) # 清华修改后强制指定绝对路径 DEFAULT_FILENAME rC:\labelImg\data\predefined_classes.txt此举解决多用户共享标注环境时的路径冲突。predefined_classes.txt内容需按行书写类别名例如医疗场景cell_nucleus mitochondria lysosome blood_vessel运行前必须创建该文件否则labelImg启动后类别下拉框为空。启动命令cd C:\labelImg python labelImg.py -r ./data其中-r参数指定图片根目录./data对应课件中data文件夹。此时界面左下角会显示当前加载图片路径右下角显示标注格式默认PASCAL VOC XML。表LabelImg关键快捷键与对应操作逻辑快捷键功能技术原理典型误用场景CtrlU加载目录调用QFileDialog.getExistingDirectory()获取路径遍历.jpg/.png文件误选包含子目录的父目录导致图片加载顺序混乱CtrlR重置标注清空self.items列表并重绘画布不删除XML文件误以为可撤销单个框实际需用Delete键选中后删除W创建矩形框绑定mousePressEvent和mouseMoveEvent实时计算(x1,y1)到(x2,y2)的Rect拖拽过快导致框体变形建议按住左键缓慢拖动CtrlS保存XML调用ET.ElementTree(root).write()生成标准PASCAL VOC结构未修改filename字段导致训练时路径解析失败3. 多模态标注实战从医疗细胞到车牌的坐标系对齐3.1 医疗影像标注像素级精度控制与DICOM兼容性课件第7.2节展示的“独立细胞标框”实则暗含两个技术约束分辨率适配医疗CT/MRI图像常为512×512或1024×1024但labelImg默认最大显示尺寸为800×600。需修改labelImg.py第127行self.resize(1200, 800) # 原值为800, 600坐标系校验细胞标注需保证xminyminxmaxymax严格小于图像宽高。课件中XML文件标框位置信息截图显示bndbox xmin142/xmin ymin87/ymin xmax189/xmax ymax134/ymax /bndbox对应图像尺寸width512/widthheight512/height验证通过。若出现xmaxwidthlabelImg会静默截断导致训练时bbox丢失。提示DICOM文件需先用pydicom转换为PNGimport pydicom from PIL import Image ds pydicom.dcmread(image.dcm) img Image.fromarray(ds.pixel_array) img.save(image.png)3.2 遥感影像标注地理坐标到像素坐标的映射陷阱遥感图如Sentinel-2常含地理参考信息但labelImg仅处理像素坐标。课件7.3节未明说但实操中必须注意投影一致性若原始TIFF使用UTM投影需用GDAL重采样为Web MercatorEPSG:3857再切片否则标注框在GIS软件中偏移多波段处理遥感图常为12波段labelImg仅支持RGB三通道。需用gdal_translate -b 4 -b 3 -b 2提取近红外红绿波段合成伪彩色图典型命令gdal_translate -of PNG -b 4 -b 3 -b 2 input.tif rgb.png此时标注的xmin值对应的是合成图像素非原始地理坐标——这是课件隐含但必须掌握的转换前提。3.3 车牌图像标注ROI裁剪与字符级标注衔接课件7.4节“车牌图像标注”指向一个关键流程先用labelImg标出整个车牌区域plate类别再用OCR工具如EasyOCR识别内部字符。但课件未提防坑长宽比失真车牌在图像中常呈倾斜状态直接标框会导致OCR识别率下降。解决方案是在labelImg中启用Edit → Rotate Image需提前在labelImg.py中取消注释第215行self.rotateImageAction.setEnabled(True)XML结构扩展标准PASCAL VOC不支持嵌套标注。清华实践方案是生成两级XML!-- plate_level.xml -- object nameplate/name bndbox.../bndbox !-- 整个车牌区域 -- /object!-- char_level.xml -- object name京/name bndbox.../bndbox !-- 相对于plate_bbox的相对坐标 -- /object此设计使YOLO训练车牌检测模型与CRNN训练字符识别模型解耦。4. Labelme深度集成语义分割标注与JSON Schema验证4.1 Labelme安装中的conda环境隔离课件7.1.3节仅展示pip install labelme但实际部署需避免与labelImg的PyQt4冲突。清华实验室采用conda虚拟环境conda create -n labelme_env python2.7 conda activate labelme_env pip install labelme3.16.3 # 指定兼容PyQt4的旧版本启动时需明确指定环境conda activate labelme_env labelme否则系统默认Python环境会因PyQt版本冲突报错QWidget: Must construct a QApplication before a QWidget。4.2 JSON标注文件结构解析与训练适配Labelme生成的JSON文件如image.json包含shapes数组每个元素含points多边形顶点、label、shape_type。课件强调JSON文件与原文件对比图实则指向关键字段{ version: 4.5.6, flags: {}, shapes: [{ label: cell_membrane, points: [[120.0, 85.0], [180.0, 85.0], [180.0, 140.0], [120.0, 140.0]], shape_type: rectangle, flags: {} }], imagePath: cell_001.png, imageData: null, imageHeight: 512, imageWidth: 512 }重点imageData字段为base64编码的原始图像体积巨大。生产环境必须设为null课件中labelme命令后加--nodata参数labelme --nodata否则1000张图的JSON总大小超2GB拖慢数据加载。4.3 Labelme-to-COCO转换解决主流框架兼容性课件未提但清华作业要求将Labelme JSON转为COCO格式供Mask R-CNN训练。需用labelme2coco.py脚本清华GitLab私有库提供核心逻辑# 将points转为COCO segmentation格式 if shape[shape_type] rectangle: x1, y1 shape[points][0] x2, y2 shape[points][1] segmentation [[x1, y1, x2, y1, x2, y2, x1, y2]]转换后生成instances_train2017.json其annotations[].segmentation字段为[[x1,y1,x2,y1,x2,y2,x1,y2]]符合COCO API要求。5. 标注质量验证从XML/JSON校验到跨工具一致性检查5.1 自动化校验脚本拦截常见标注错误课件7.6节“作业与练习”隐含质量管控要求。清华实践用Python脚本批量检查# validate_annotations.py import xml.etree.ElementTree as ET import json import os def check_voc_xml(xml_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) for obj in root.findall(object): xmin int(obj.find(bndbox/xmin).text) ymin int(obj.find(bndbox/ymin).text) xmax int(obj.find(bndbox/xmax).text) ymax int(obj.find(bndbox/ymax).text) if xmin 0 or ymin 0 or xmax width or ymax height: print(fInvalid bbox in {xml_path}: ({xmin},{ymin},{xmax},{ymax})) for xml_file in os.listdir(Annotations): if xml_file.endswith(.xml): check_voc_xml(os.path.join(Annotations, xml_file))运行后输出Invalid bbox即需人工复核——这是课件中“作业”环节的底层支撑。5.2 LabelImg与Labelme结果一致性比对当同一张图需同时做bbox检测LabelImg和实例分割Labelme时清华要求坐标系零误差。验证方法用LabelImg标出车牌区域保存为plate.xml用Labelme在同一张图上标相同区域保存为plate.json执行比对脚本# compare_tools.py import xml.etree.ElementTree as ET import json xml_tree ET.parse(plate.xml) xml_obj xml_tree.getroot().find(object) xml_bbox [ int(xml_obj.find(bndbox/xmin).text), int(xml_obj.find(bndbox/ymin).text), int(xml_obj.find(bndbox/xmax).text), int(xml_obj.find(bndbox/ymax).text) ] with open(plate.json) as f: json_data json.load(f) json_bbox json_data[shapes][0][points] json_bbox_flat [int(p) for p in [json_bbox[0][0], json_bbox[0][1], json_bbox[1][0], json_bbox[1][1]]] print(XML bbox:, xml_bbox) print(JSON bbox:, json_bbox_flat) print(Match:, xml_bbox json_bbox_flat) # 必须为True若输出False说明Labelme中未启用Edit → Fit Window导致缩放比例不一致——这是课件未明说但高频踩坑点。5.3 YOLO格式转换清华定制化脚本解析课件未提YOLO但网络热词labelimg 打标完yolo格式的标直指刚需。清华提供voc2yolo.py# 参数说明-i 输入VOC Annotations目录-o 输出YOLO labels目录-c 类别映射文件 # 类别映射文件classes.txt格式 # plate # cell_nucleus # blood_vessel import argparse import os from xml.etree.ElementTree import parse parser argparse.ArgumentParser() parser.add_argument(-i, --input_dir, requiredTrue) parser.add_argument(-o, --output_dir, requiredTrue) parser.add_argument(-c, --classes_file, requiredTrue) args parser.parse_args() with open(args.classes_file) as f: classes [line.strip() for line in f.readlines()] for xml_file in os.listdir(args.input_dir): if not xml_file.endswith(.xml): continue tree parse(os.path.join(args.input_dir, xml_file)) root tree.getroot() # 获取图像尺寸 width int(root.find(size/width).text) height int(root.find(size/height).text) # 生成YOLO标签行 yolo_lines [] for obj in root.findall(object): cls_name obj.find(name).text cls_id classes.index(cls_name) bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 转换为YOLO中心点宽高归一化 x_center (xmin xmax) / 2.0 / width y_center (ymin ymax) / 2.0 / height box_width (xmax - xmin) / width box_height (ymax - ymin) / height yolo_lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}) # 写入txt文件 txt_name xml_file.replace(.xml, .txt) with open(os.path.join(args.output_dir, txt_name), w) as f: f.write(\n.join(yolo_lines))执行命令python voc2yolo.py -i Annotations -o labels -c classes.txt输出labels/xxx.txt即为YOLOv5/YOLOv8可直接读取的标注文件——这正是清华课程连接学术与工业落地的关键一环。本文还有配套的精品资源点击获取
简介本资源是清华大学大数据应用人才培养系列教材中《数据标注工程》课程的第7章配套PPT课件聚焦数据标注实战全流程面向高校学生、AI初学者及标注工程师等群体系统解决机器学习项目中高质量标注数据获取难、工具配置复杂、多场景标注不规范等核心问题。课件共42页为单个14.22MB的PPTX文件内容覆盖实战环境搭建Python 2.7、PyQt4、lxml安装与环境变量配置、LabelImg标框标注工具详解含界面操作、快捷键、XML格式输出、Labelme多边形标注实践以及医疗影像独立细胞、遥感影像建筑/道路、人像、车牌等四类典型场景的标注方法与作业训练。已有856人学习下载内容结构清晰、步骤翔实、图文并茂可直接用于课堂讲授、自学实操或标注团队内部培训是理解标注工程落地逻辑与掌握主流工具链的优质教学材料。1. 这不是PPT是能跑通LabelImgLabelme的实战操作手册你下载的这份“清华大学精品大数据课件之数据标注课程PPT”表面看是42页教学幻灯片实际是一份可执行的标注工程启动包——它不讲抽象概念直接带你把Python 2.7装进Windows系统、让labelImg.py在命令行里真正弹出GUI界面、用predefined_classes.txt定义医疗细胞类别、把遥感图里的道路框出来并导出符合YOLO训练要求的XML结构。这不是理论复盘而是当年清华课堂上学生真正在机房敲出来的环境路径C:\Python27\Scripts\pip.exe install PyQt4 lxml、set PATH%PATH%;C:\Python27;C:\Python27\Scripts、python labelImg.py -r ./data。适合三类人刚接触CV任务的本科生需从环境变量开始补基础、转岗做AI数据工程师的职场人要快速复现标注流水线、以及带团队落地小规模标注项目的TL需验证工具链兼容性与边界条件。它回避了云平台和SaaS标注服务专注本地化、离线化、可审计的标注闭环——这恰恰是医疗、遥感、车牌等强合规场景的真实需求。2. 实战环境搭建为什么必须用Python 2.7 PyQt4而非现代栈提示本节所有操作均基于Windows 10 x64环境验证Linux/macOS用户需将路径分隔符\替换为/且PyQt4在Python 3.8已停止维护强行升级会导致labelImg主窗口无法渲染。2.1 Python 2.7安装与环境变量硬核配置清华课件坚持使用Python 2.7核心原因在于LabelImg早期版本v1.8.1及之前对PyQt4的深度绑定。PyQt4依赖Qt 4.x ABI而Python 3.6默认链接Qt 5.x导致ImportError: DLL load failed。安装时必须严格选择x86位安装包即使系统是64位因为多数医疗影像标注SDK如OpenSlide仅提供32位DLL。具体步骤如下下载python-2.7.18.msi官方归档版非官网最新版安装路径设为C:\Python27避免空格和中文路径在“Customize Python”界面勾选Add python.exe to Path此选项会自动写入PATH但需手动验证验证是否生效# 打开cmd执行 where python # 正确输出应为 C:\Python27\python.exe python -c import sys; print(sys.version) # 输出 2.7.18 (default, Apr 15 2020, 12:32:29) [MSC v.1500 32 bit (Intel)]若where python无返回需手动添加环境变量右键“此电脑”→“属性”→“高级系统设置”→“环境变量”在“系统变量”中找到Path点击“编辑”→“新建”→输入C:\Python27和C:\Python27\Scripts关键细节两个路径必须分行输入且Scripts目录必须在Python27之后否则pip命令不可用2.2 PyQt4与lxml的离线安装策略课件中Shift右键→在此处打开命令窗口的操作本质是规避pip源不稳定问题。清华镜像站https://pypi.tuna.tsinghua.edu.cn/simple/虽可用但PyQt4的wheel包需匹配VC9.0编译器直接pip install PyQt4极易失败。正确做法是下载预编译whl文件访问 Unofficial Windows Binaries for Python Extension Packages下载PyQt4‑4.11.4‑cp27‑cp27m‑win32.whl注意cp27表示Python 2.7win32表示32位同样下载lxml‑3.8.0‑cp27‑cp27m‑win32.whl安装命令pip install PyQt4-4.11.4-cp27-cp27m-win32.whl pip install lxml-3.8.0-cp27-cp27m-win32.whl验证安装# 运行以下代码无报错即成功 from PyQt4 import QtCore, QtGui import lxml.etree as ET print(PyQt4 and lxml loaded successfully)注意若出现ImportError: No module named sip说明PyQt4依赖的sip未安装需额外下载sip‑4.19.8‑cp27‑cp27m‑win32.whl并安装。2.3 LabelImg源码级运行与配置固化课件中labelImg-master文件夹来自GitHub原始仓库https://github.com/tzutalin/labelImg但清华版本已修改labelImg.py第32行# 原始代码 DEFAULT_FILENAME os.path.join(os.path.dirname(__file__), data, predefined_classes.txt) # 清华修改后强制指定绝对路径 DEFAULT_FILENAME rC:\labelImg\data\predefined_classes.txt此举解决多用户共享标注环境时的路径冲突。predefined_classes.txt内容需按行书写类别名例如医疗场景cell_nucleus mitochondria lysosome blood_vessel运行前必须创建该文件否则labelImg启动后类别下拉框为空。启动命令cd C:\labelImg python labelImg.py -r ./data其中-r参数指定图片根目录./data对应课件中data文件夹。此时界面左下角会显示当前加载图片路径右下角显示标注格式默认PASCAL VOC XML。表LabelImg关键快捷键与对应操作逻辑快捷键功能技术原理典型误用场景CtrlU加载目录调用QFileDialog.getExistingDirectory()获取路径遍历.jpg/.png文件误选包含子目录的父目录导致图片加载顺序混乱CtrlR重置标注清空self.items列表并重绘画布不删除XML文件误以为可撤销单个框实际需用Delete键选中后删除W创建矩形框绑定mousePressEvent和mouseMoveEvent实时计算(x1,y1)到(x2,y2)的Rect拖拽过快导致框体变形建议按住左键缓慢拖动CtrlS保存XML调用ET.ElementTree(root).write()生成标准PASCAL VOC结构未修改filename字段导致训练时路径解析失败3. 多模态标注实战从医疗细胞到车牌的坐标系对齐3.1 医疗影像标注像素级精度控制与DICOM兼容性课件第7.2节展示的“独立细胞标框”实则暗含两个技术约束分辨率适配医疗CT/MRI图像常为512×512或1024×1024但labelImg默认最大显示尺寸为800×600。需修改labelImg.py第127行self.resize(1200, 800) # 原值为800, 600坐标系校验细胞标注需保证xminyminxmaxymax严格小于图像宽高。课件中XML文件标框位置信息截图显示bndbox xmin142/xmin ymin87/ymin xmax189/xmax ymax134/ymax /bndbox对应图像尺寸width512/widthheight512/height验证通过。若出现xmaxwidthlabelImg会静默截断导致训练时bbox丢失。提示DICOM文件需先用pydicom转换为PNGimport pydicom from PIL import Image ds pydicom.dcmread(image.dcm) img Image.fromarray(ds.pixel_array) img.save(image.png)3.2 遥感影像标注地理坐标到像素坐标的映射陷阱遥感图如Sentinel-2常含地理参考信息但labelImg仅处理像素坐标。课件7.3节未明说但实操中必须注意投影一致性若原始TIFF使用UTM投影需用GDAL重采样为Web MercatorEPSG:3857再切片否则标注框在GIS软件中偏移多波段处理遥感图常为12波段labelImg仅支持RGB三通道。需用gdal_translate -b 4 -b 3 -b 2提取近红外红绿波段合成伪彩色图典型命令gdal_translate -of PNG -b 4 -b 3 -b 2 input.tif rgb.png此时标注的xmin值对应的是合成图像素非原始地理坐标——这是课件隐含但必须掌握的转换前提。3.3 车牌图像标注ROI裁剪与字符级标注衔接课件7.4节“车牌图像标注”指向一个关键流程先用labelImg标出整个车牌区域plate类别再用OCR工具如EasyOCR识别内部字符。但课件未提防坑长宽比失真车牌在图像中常呈倾斜状态直接标框会导致OCR识别率下降。解决方案是在labelImg中启用Edit → Rotate Image需提前在labelImg.py中取消注释第215行self.rotateImageAction.setEnabled(True)XML结构扩展标准PASCAL VOC不支持嵌套标注。清华实践方案是生成两级XML!-- plate_level.xml -- object nameplate/name bndbox.../bndbox !-- 整个车牌区域 -- /object!-- char_level.xml -- object name京/name bndbox.../bndbox !-- 相对于plate_bbox的相对坐标 -- /object此设计使YOLO训练车牌检测模型与CRNN训练字符识别模型解耦。4. Labelme深度集成语义分割标注与JSON Schema验证4.1 Labelme安装中的conda环境隔离课件7.1.3节仅展示pip install labelme但实际部署需避免与labelImg的PyQt4冲突。清华实验室采用conda虚拟环境conda create -n labelme_env python2.7 conda activate labelme_env pip install labelme3.16.3 # 指定兼容PyQt4的旧版本启动时需明确指定环境conda activate labelme_env labelme否则系统默认Python环境会因PyQt版本冲突报错QWidget: Must construct a QApplication before a QWidget。4.2 JSON标注文件结构解析与训练适配Labelme生成的JSON文件如image.json包含shapes数组每个元素含points多边形顶点、label、shape_type。课件强调JSON文件与原文件对比图实则指向关键字段{ version: 4.5.6, flags: {}, shapes: [{ label: cell_membrane, points: [[120.0, 85.0], [180.0, 85.0], [180.0, 140.0], [120.0, 140.0]], shape_type: rectangle, flags: {} }], imagePath: cell_001.png, imageData: null, imageHeight: 512, imageWidth: 512 }重点imageData字段为base64编码的原始图像体积巨大。生产环境必须设为null课件中labelme命令后加--nodata参数labelme --nodata否则1000张图的JSON总大小超2GB拖慢数据加载。4.3 Labelme-to-COCO转换解决主流框架兼容性课件未提但清华作业要求将Labelme JSON转为COCO格式供Mask R-CNN训练。需用labelme2coco.py脚本清华GitLab私有库提供核心逻辑# 将points转为COCO segmentation格式 if shape[shape_type] rectangle: x1, y1 shape[points][0] x2, y2 shape[points][1] segmentation [[x1, y1, x2, y1, x2, y2, x1, y2]]转换后生成instances_train2017.json其annotations[].segmentation字段为[[x1,y1,x2,y1,x2,y2,x1,y2]]符合COCO API要求。5. 标注质量验证从XML/JSON校验到跨工具一致性检查5.1 自动化校验脚本拦截常见标注错误课件7.6节“作业与练习”隐含质量管控要求。清华实践用Python脚本批量检查# validate_annotations.py import xml.etree.ElementTree as ET import json import os def check_voc_xml(xml_path): tree ET.parse(xml_path) root tree.getroot() width int(root.find(size/width).text) height int(root.find(size/height).text) for obj in root.findall(object): xmin int(obj.find(bndbox/xmin).text) ymin int(obj.find(bndbox/ymin).text) xmax int(obj.find(bndbox/xmax).text) ymax int(obj.find(bndbox/ymax).text) if xmin 0 or ymin 0 or xmax width or ymax height: print(fInvalid bbox in {xml_path}: ({xmin},{ymin},{xmax},{ymax})) for xml_file in os.listdir(Annotations): if xml_file.endswith(.xml): check_voc_xml(os.path.join(Annotations, xml_file))运行后输出Invalid bbox即需人工复核——这是课件中“作业”环节的底层支撑。5.2 LabelImg与Labelme结果一致性比对当同一张图需同时做bbox检测LabelImg和实例分割Labelme时清华要求坐标系零误差。验证方法用LabelImg标出车牌区域保存为plate.xml用Labelme在同一张图上标相同区域保存为plate.json执行比对脚本# compare_tools.py import xml.etree.ElementTree as ET import json xml_tree ET.parse(plate.xml) xml_obj xml_tree.getroot().find(object) xml_bbox [ int(xml_obj.find(bndbox/xmin).text), int(xml_obj.find(bndbox/ymin).text), int(xml_obj.find(bndbox/xmax).text), int(xml_obj.find(bndbox/ymax).text) ] with open(plate.json) as f: json_data json.load(f) json_bbox json_data[shapes][0][points] json_bbox_flat [int(p) for p in [json_bbox[0][0], json_bbox[0][1], json_bbox[1][0], json_bbox[1][1]]] print(XML bbox:, xml_bbox) print(JSON bbox:, json_bbox_flat) print(Match:, xml_bbox json_bbox_flat) # 必须为True若输出False说明Labelme中未启用Edit → Fit Window导致缩放比例不一致——这是课件未明说但高频踩坑点。5.3 YOLO格式转换清华定制化脚本解析课件未提YOLO但网络热词labelimg 打标完yolo格式的标直指刚需。清华提供voc2yolo.py# 参数说明-i 输入VOC Annotations目录-o 输出YOLO labels目录-c 类别映射文件 # 类别映射文件classes.txt格式 # plate # cell_nucleus # blood_vessel import argparse import os from xml.etree.ElementTree import parse parser argparse.ArgumentParser() parser.add_argument(-i, --input_dir, requiredTrue) parser.add_argument(-o, --output_dir, requiredTrue) parser.add_argument(-c, --classes_file, requiredTrue) args parser.parse_args() with open(args.classes_file) as f: classes [line.strip() for line in f.readlines()] for xml_file in os.listdir(args.input_dir): if not xml_file.endswith(.xml): continue tree parse(os.path.join(args.input_dir, xml_file)) root tree.getroot() # 获取图像尺寸 width int(root.find(size/width).text) height int(root.find(size/height).text) # 生成YOLO标签行 yolo_lines [] for obj in root.findall(object): cls_name obj.find(name).text cls_id classes.index(cls_name) bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 转换为YOLO中心点宽高归一化 x_center (xmin xmax) / 2.0 / width y_center (ymin ymax) / 2.0 / height box_width (xmax - xmin) / width box_height (ymax - ymin) / height yolo_lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}) # 写入txt文件 txt_name xml_file.replace(.xml, .txt) with open(os.path.join(args.output_dir, txt_name), w) as f: f.write(\n.join(yolo_lines))执行命令python voc2yolo.py -i Annotations -o labels -c classes.txt输出labels/xxx.txt即为YOLOv5/YOLOv8可直接读取的标注文件——这正是清华课程连接学术与工业落地的关键一环。本文还有配套的精品资源点击获取
