簡介

在前一篇大致上介紹AI Yolo的標註種類、格式、工具後，當然是要實際操作一下。我們先從標註工具來著手，這次介紹LabelImg這套簡易的標註工具。當然還有很多工具可以來替代本工具，但我們先打通任督二脈，先求有（深度）再求好（廣度）。

下載並安裝

前提：這套軟體下載安裝方式很多，但其實有一個方法可以適用Windows與Mac版本，當然你使用Anaconda來安裝會比較乾淨一點，且在未來要訓練Yolo時也可以先熟悉一下。

請先開啟得的『命令提示字元』或是『CMD』或是『終端機』，你可以在電腦資料夾中先建立一個專屬AI的資料夾，並進入到該目錄下。

這裡再提一下假如你不是使用Anaconda的人就必須先安裝python了，因為這個吹簡單的方法需要用到一個關鍵字叫『pip』，再保險一點你可能要安裝『pyqt5』，安裝python這邊就不多贅述。請依照下列字串依序填入終端機後，即可打開LabelImg的Tool。

pip3 install labelimg
//不行的話請換下列
sudo pip3 install labelimg

介面介紹

大家通常到她官方Github下載到的都是英文版的，但我使用mac安裝後打開是中文版的，其實介面是長一樣的。這邊我就依序介紹最常用的功能，其他的大家可以去摸索一下。

1. 你再標注前請先整理好你要標注的所有圖片在一個資料夾中，並點選該按鈕指定該資料夾，如此一來工作流程比較快速並不會亂。
2. 更改你的標註完產出的DateSet位置，DataSet會有兩個類別，一個是圖片另一個是Yolo要判斷的文字檔，也就是上一篇提到的格式。
3. 此區塊的功能是能讓你快速標記玩快速切換下一張圖片。
4. 切換你的DataSet的文字檔格式，LabelImg有提供VOC與Yolo這兩種格式，VOC是xml檔案，而Yolo是txt檔案，Yolo兩種都可以吃。
5. 這是最重要的功能，當你編輯區有你挑選好的圖片時，要進行標註圖片中的訓練特徵區塊會用到的功能，在下面會帶大家操作一次。
6. 這是你所建立的標註類別，例如：蘋果、橘子、番茄，在你進行5的功能時就會要求你輸入類別名稱，該區快就會自動記錄。
7. 這是你所有圖片路徑顯示區塊，你亦可點選某張圖片進行標記。

實際操作

當你讀取你所建立的資料夾後，就如上面列的，所有的圖片會在（6）區塊中顯示，並且可以透過上下張圖片切換。這邊稍微提一下該軟體的快捷鍵：

W ==>建立Bounding box

A ==>上一張

D ==>下一張

Ctril+S ==> 存XML檔

接下來請點下創建區塊（5），把你想要讓機器學習訓練的物件標註起來。他會出現如上圖所示的黑十字，你在照片上拖曳並放開就完成第一步了。

完成標註後，記得幫你標注的物件作命名的動作，標註完成後他會有以顏色區分不同的標註區塊，而你輸入的標註名稱也會在（6）顯示。

當然一張圖片可以標註非常多種的物件，讓你訓練出的Model辨識廣度越廣，假如你要辨識率越高的話，就要下很多苦功夫去找非常非常多的圖片來標注訓練。

標註完後，請記得按下儲存檔案，如上圖，假如你選擇VOC格式會出現XML檔案，而你可以仔細看到幾個項目。

圖片資料區塊一：該區塊是告訴電腦我的圖片叫什麼名字，在什麼資料夾，路徑在哪。

圖片資料區塊二：該區塊是高速電腦我這個圖片的詳細資料，長度寬度等。

標註資料區：就如上面標註程序中，我標註了兩個物件，RoadLight與RoadSign，在<object>中有列出標註的類別名稱、<x , y , width , height>，並且你可以看到我標註兩個物件而object就有兩個。

小結

上述所帶大家做過安裝並實際完成標注一張圖片，而AI的訓練是要不斷的餵資料，不斷的監督，不斷的增強學習，讓訓練出來的Model能精確地完成辨識，各位手動的先進真的是辛苦了，在未來還有很長的路要走，在下一篇會介紹你再進入Yolo訓練之前要準備的素材與安裝Yolo環境。