2.資料建立與標註

YOLO Detection（最常用：目標偵測）

📌 label 檔格式（.txt）

每張圖片對應一個同名 .txt

class_id x_center y_center width height

範例

圖片：img001.jpg

標註：img001.txt

• 內容：

0 0.52 0.48 0.30 0.40

1 0.25 0.60 0.10 0.20

class id 從 0 開始

錯：1,2,3

對：0,1,2

YOLO Segmentation（分割）

class_id x1 y1 x2 y2 x3 y3 ...
範例：
0 0.1 0.2 0.3 0.4 0.5 0.6 0.2 0.1

在Windows 安裝不同版本的python

官方下載

https://www.python.org/downloads/release/python-3100/

Windows installer (64-bit)

安裝時一定要勾

• ✔ Add Python to PATH

• ✔ Install launcher for all users

驗證

python --version

安裝虛擬環境

conda create --name labelImg_py309 python=3.9 -y

# 進入虛擬環境

conda activate labelImg_py309

# 離開虛擬環境

conda deactivate

安裝labelImg

pip install labelImg

進行人工標註

• 預先準備classes.txt

  • labels 目錄內要建立一個標註檔，檔名為classes.txt

• 啟動方法

labelImg [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

或者用下列指令啟動後再選images與labels目錄

labelImg

標註建議與技巧

• 緊密包裹：標註框應儘量緊密包圍物件，避免包含太多背景。

• 處理不同尺寸：YOLO 建議使用「郵箱模式 (Letterbox)」調整圖片，即在保持原始長寬比的同時，在邊緣填充像素以符合模型輸入尺寸（如 640x640），避免物體變形。

• 數據量：通常每個類別需要至少 1,500 張照片，總共至少 10,000 個標註物件，以獲得較好的訓練效果。

• 遮擋處理：若物件被部分遮擋，仍應標註其預期大小。 

• 常見的標註工具包括 LabelImg (選用 YOLO 格式)、CVAT、Roboflow 等。

YOLO標註格式

class_id x_center y_center width height

範例：

• 一行 = 一個物件

0 0.50 0.45 0.20 0.30

1 0.70 0.60 0.15 0.25

class id 注意事項：

• YOLO是用數字，不是文字

dataset/

├── images/

│   ├── train/

│   ├── val/

├── labels/

│   ├── train/

│   ├── val/

└── data.yaml

For YOLO

conda create --name yolo312 python=3.12 -y

conda activate yolo312

pip install ultralytics