新闻详情

新闻详情

首页 / 资讯中心 / 详情

roLabelImg 详细安装教程

发布时间:2026/10/26 22:10:35来源:尧图网络
roLabelImg 详细安装教程
roLabelImg 详细安装教程 简介roLabelImg是一款基于 labelImg 重写的开源图形图像标注工具专门用于标注旋转矩形框Rotated Bounding Box广泛应用于遥感图像目标检测如 DOTA 数据集等场景。GitHub 地址https://github.com/cgvict/roLabelImg开发语言Python PyQt5支持系统Windows / Linux / macOS一、环境准备1. 安装 PythonroLabelImg 需要Python 3.x推荐3.6 ~ 3.8兼容性最好。下载地址https://www.python.org/downloads/⚠️Windows 用户安装时务必勾选“Add Python to PATH”验证安装python--version# 输出示例Python 3.8.102.推荐创建虚拟环境为避免依赖冲突建议使用Anaconda或venv创建独立环境方式一Anacondaconda create-nrolabelpython3.8-yconda activate rolabel方式二venvpython-mvenv rolabel_env# Windows 激活rolabel_env\Scripts\activate# Linux/macOS 激活sourcerolabel_env/bin/activate二、安装依赖库在激活的虚拟环境中安装以下依赖# 安装 PyQt5GUI 框架pipinstallPyQt5-ihttps://pypi.tuna.tsinghua.edu.cn/simple# 安装 pyqt5-tools包含 pyrcc5 资源编译工具pipinstallpyqt5-tools-ihttps://pypi.tuna.tsinghua.edu.cn/simple# 安装 lxmlXML 解析库pipinstalllxml-ihttps://pypi.tuna.tsinghua.edu.cn/simple 使用清华镜像源 (-i https://pypi.tuna.tsinghua.edu.cn/simple) 可大幅加速下载。如果安装失败可多尝试几次。三、下载 roLabelImg 源码方式一Git 克隆推荐gitclone https://github.com/cgvict/roLabelImg.gitcdroLabelImg方式二下载 ZIP访问 https://github.com/cgvict/roLabelImg点击绿色“Code”按钮 →“Download ZIP”解压到任意无中文、无空格的路径下例如D:\tools\roLabelImg四、编译资源文件进入 roLabelImg 源码根目录即包含resources.qrc文件的目录执行cdroLabelImg# 进入源码目录pyrcc5-oresources.py resources.qrc这一步将 Qt 资源文件resources.qrc编译为 Python 文件resources.py是运行前的必要步骤。⚠️如果提示pyrcc5不是内部命令说明pyrcc5.exe不在系统 PATH 中找到它的路径通常在Anaconda 环境anaconda3/envs/rolabel/Scripts/pyrcc5.exevenv 环境rolabel_env/Scripts/pyrcc5.exe将该路径添加到系统环境变量PATH中或使用完整路径执行# 示例WindowsD:\anaconda3\envs\rolabel\Scripts\pyrcc5.exe-oresources.py resources.qrc五、启动 roLabelImg在源码根目录下运行python roLabelImg.py如果一切正常将会弹出 roLabelImg 的图形界面窗口 六、常见问题及解决方案❌ 问题 1codecs编码错误运行时出现类似以下报错UnicodeDecodeError: utf-8 codec cant decode byte 0xd5 in position 0解决方法打开roLabelImg.py找到文件开头的编码声明确保第一行或第二行为# -*- coding: utf-8 -*-同时检查文件路径中是否包含中文字符如有请改为英文路径。❌ 问题 2ModuleNotFoundError: No module named resources原因未执行第四步的资源编译。解决方法pyrcc5-oresources.py resources.qrc❌ 问题 3PyQt5 版本不兼容解决方法尝试安装特定版本pipinstallPyQt55.15.4 pipinstallPyQt5-tools5.15.4.3.2❌ 问题 4Linux 下缺少系统依赖sudoapt-getinstallpyqt5-dev-toolssudoapt-getinstallpython3-lxml七、基本使用指南启动后常用操作如下操作快捷键 / 方法打开图片Ctrl O打开图片目录Ctrl U保存标注Ctrl S创建旋转框Ctrl R删除当前框Delete下一张图片D上一张图片A缩放Ctrl /Ctrl -标注流程点击“Open Dir”打开图片文件夹点击“Change Save Dir”设置标注文件保存路径确认保存格式为VOCXML或YOLOTXT按Ctrl R绘制旋转矩形框输入类别标签名称按Ctrl S保存按D切换到下一张八、替代方案免安装如果源码安装遇到困难也可以考虑预编译安装包B站/ CSDN 上有博主提供了 Windows 一键安装包基于 PyInstaller 打包双击即可使用无需配置 Python 环境。labelImg2另一个支持旋转框标注的工具操作方式类似pipinstalllabelImg2总结核心安装流程就是安装 Python → 安装依赖PyQt5 lxml→ 下载源码 → 编译资源 → 运行整个过程约 10 分钟。遇到问题时优先检查 Python 版本兼容性和路径中是否有中文字符。希望这份教程对你有帮助如有其他问题欢迎继续提问
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/25 3:20:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/25 3:43:49

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/26 12:48:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/26 10:03:11

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/25 3:54:32

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/26 21:26:08

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉