SO豹猫1. 从Labelme到YOLOv5：数据标注与模型训练的完整链路
在计算机视觉项目中，数据标注和模型训练是两个最关键的环节。Labelme作为一款开源的图像标注工具，因其简单易用和灵活的标注格式而广受欢迎；而YOLOv5则是当前目标检测领域最流行的算法之一，以其出色的速度和精度平衡著称。将Labelme标注的数据转换为YOLOv5可用的格式，是许多CV工程师在实际项目中必须掌握的技能。
我曾在多个工业检测项目中采用这套流程，从最初的标注工具选型到最终的模型部署，Labelme+YOLOv5的组合展现出了极高的性价比。特别是在小样本场景下，合理的标注策略和格式转换技巧能显著提升模型训练效率。本文将分享从Labelme标注到YOLOv5训练的全流程实践，包含那些官方文档不会告诉你的细节问题。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Labelme的安装与基础标注操作
2.1 跨平台安装方案对比
Labelme支持Windows、Linux和macOS三大平台，但不同系统的安装方式存在差异。对于Windows用户，最推荐的方式是通过Anaconda创建虚拟环境：
bash复制conda create -n labelme python=3.8
conda activate labelme
pip install labelme
Linux用户则可以直接使用系统包管理器，例如在Ubuntu上：
bash复制sudo apt-get install labelme
注意：Python版本建议选择3.6-3.8，某些第三方依赖在新版本Python上可能存在兼容性问题。如果遇到PyQt5相关错误，可以尝试先单独安装：
pip install PyQt5==5.15.4
2.2 标注界面核心功能解析
启动Labelme后，主界面包含几个关键功能区：
- 左侧为图像显示区域，支持缩放和拖动
- 顶部工具栏包含创建多边形、矩形、圆形等标注形状的按钮
- 右侧显示当前标注的类别和属性信息
进行标注时，建议遵循以下最佳实践：
- 先通过"File->Open"导入图像目录
- 使用"Create Polygon"工具沿目标边缘精确标注
- 为每个对象指定有意义的类别名称（如"defect_01"）
- 保存后会生成与图像同名的JSON文件
2.3 中文显示问题的解决方案
当标注界面出现中文乱码时，需要修改Labelme的配置文件。找到安装目录下的labelme/config/default.py，修改以下参数：
python复制# 字体设置
FONT_FAMILY = 'SimHei' # Windows系统
# FONT_FAMILY = 'WenQuanYi Zen Hei' # Linux系统
FONT_SIZE = 10
如果系统中没有相应字体，Windows用户可以从控制面板->字体中查找可用的中文字体名称；Linux用户则需要先安装中文字体包。
3. Labelme标注数据转换为YOLOv5格式
3.1 格式差异深度解析
Labelme默认生成的JSON文件包含多边形顶点坐标和图像元数据，而YOLOv5需要的是归一化的中心坐标和宽高。关键区别在于：
| 特征 | Labelme格式 | YOLOv5格式 |
|---|---|---|
| 坐标系统 | 绝对像素坐标 | 归一化相对坐标(0-1) |
| 几何表示 | 多边形顶点列表 | 矩形框(中心x,y + 宽高w,h) |
| 存储方式 | 每图一个JSON文件 | 所有标注合并为txt文件 |
| 类别编码 | 字符串类别名 | 整数类别索引 |
3.2 使用官方脚本转换
Labelme项目提供了转换脚本，但需要调整才能适配YOLOv5。基本命令如下：
bash复制labelme2yolo --json_dir /path/to/json_files --output_dir /path/to/yolo_format
转换过程包含三个关键步骤：
- 多边形转外接矩形：计算多边形的最小外接矩形
- 坐标归一化：将像素坐标转换为相对于图像宽高的比例
- 类别映射：将字符串类别名转换为预定义的整数索引
3.3 自定义转换脚本开发
当需要特殊处理时，可以编写Python转换脚本。核心代码如下：
python复制import json
import os
def convert(size, box):
# 坐标归一化转换
dw = 1./size[0]
dh = 1./size[1]
x = (box[0] + box[2])/2.0
y = (box[1] + box[3])/2.0
w = box[2] - box[0]
h = box[3] - box[1]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x,y,w,h)
for json_file in os.listdir(json_dir):
with open(os.path.join(json_dir, json_file)) as f:
data = json.load(f)
img_w = data['imageWidth']
img_h = data['imageHeight']
for shape in data['shapes']:
points = np.array(shape['points'])
xmin, ymin = np.min(points, axis=0)
xmax, ymax = np.max(points, axis=0)
box = convert((img_w, img_h), (xmin, ymin, xmax, ymax))
# 写入YOLO格式文件...
提示：处理倾斜物体时，直接使用外接矩形会引入大量背景噪声。这种情况下建议保留多边形信息，在YOLOv5中使用分割任务而非检测任务。
4. YOLOv5模型训练实战
4.1 数据准备与目录结构
YOLOv5要求特定的目录结构：
code复制dataset/
├── images/
│ ├── train/
│ └── val/
└── labels/
├── train/
└── val/
每个图像对应一个同名的txt标注文件，内容格式为：
code复制<class_id> <x_center> <y_center> <width> <height>
建议按8:1:1的比例划分训练集、验证集和测试集。可以使用sklearn.model_selection.train_test_split实现自动划分。
4.2 关键训练参数解析
在data.yaml中配置数据集信息：
yaml复制train: ../dataset/images/train
val: ../dataset/images/val
nc: 2 # 类别数
names: ['class1', 'class2'] # 类别名称
启动训练的基本命令：
bash复制python train.py --img 640 --batch 16 --epochs 100 --data data.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt
关键参数说明：
--img 640: 输入图像尺寸，必须是32的倍数--batch 16: 根据GPU显存调整，一般设置为最大可能值--epochs 100: 对于小数据集可以增加到300+--weights yolov5s.pt: 使用预训练权重加速收敛
4.3 训练过程监控与调优
YOLOv5会自动启动TensorBoard记录训练指标。重点关注以下曲线：
- 损失函数：train/box_loss, train/obj_loss, train/cls_loss
- 验证指标：metrics/precision, metrics/recall, metrics/mAP@0.5
当出现以下情况时需要调整策略：
- 训练损失下降但验证指标不升 → 可能过拟合，增加数据增强或减少模型容量
- 所有损失都居高不下 → 学习率可能太小，尝试增大lr0参数
- mAP波动剧烈 → 减小批次大小或使用更大的输入尺寸
5. 常见问题与解决方案
5.1 标注与训练中的典型错误
坐标转换错误：当发现预测框全部偏移到图像角落时，通常是归一化计算有误。检查转换脚本是否正确地获取了原始图像尺寸。
类别不匹配：YOLOv5输出的类别ID与标注文件不一致，这是因为data.yaml中的names顺序与转换时的类别映射不一致。建议在转换脚本中保存类别映射文件。
中文路径问题：无论是Labelme还是YOLOv5，处理包含中文的路径时都可能出错。建议全程使用英文路径和文件名。
5.2 小样本场景优化技巧
当标注数据有限时，可以采取以下策略：
- 使用更小的模型架构（如yolov5n）
- 启用更强的数据增强：
yaml复制augment: True hsv_h: 0.015 # 色相增强 hsv_s: 0.7 # 饱和度增强 hsv_v: 0.4 # 明度增强 flipud: 0.5 # 垂直翻转概率 - 采用迁移学习，冻结部分层：
bash复制python train.py --freeze 10 # 冻结前10层
5.3 工业场景的特殊处理
在工业缺陷检测等场景中，往往需要处理以下特殊情况：
- 微小目标：增大输入分辨率（--img 1280），使用更密集的检测头（如yolov5m6）
- 类间不平衡：在
data.yaml中设置类别权重：yaml复制class_weights: [0.8, 1.2] # 对不同类别分配不同权重 - 遮挡物体：在Labelme中标注可见部分，避免猜测被遮挡区域
我在一个PCB缺陷检测项目中，通过合理设置这些参数，在仅有387张标注图像的情况下达到了0.92的mAP@0.5。关键是在Labelme标注阶段就考虑到模型训练的难点，比如对微小焊点进行放大标注，对相似缺陷明确区分标注标准。