Label Studio AI训练标注工具在Ubuntu上安装

IT海睿 1 0

方案总览

  • Ubuntu 上运行:Label Studio(Web 服务)

  • Windows 上操作:浏览器打开网页 → 标注

  • 标注完导出:Label Studio 导出 JSON → 用转换工具转成 YOLO 的 .txt 标签


1)Ubuntu 24.04 安装 Label Studio(最稳:用 venv)

在 Ubuntu 执行:

sudo apt updatesudo apt install -y python3-venv python3-pipmkdir -p ~/labelstudio && cd ~/labelstudio
python3 -m venv .venvsource .venv/bin/activate
pip install -U pip
pip install label-studio label-studio-converter

2)启动 Web 服务(让你能从 Windows 浏览器访问)

方式 A(推荐):只对内网开放

source ~/labelstudio/.venv/bin/activate
label-studio start --host 0.0.0.0 --port 8080

然后在 Windows 浏览器打开:

http://你的Ubuntu服务器IP:8080

如果你服务器有防火墙(UFW),放行端口:

sudo ufw allow 8080/tcpsudo ufw status

安全建议(很重要)

如果这台服务器是公网 IP,不建议直接暴露 8080。更安全的做法:

方式 B(更安全):不开放端口,用 SSH 隧道

Ubuntu 这样启动(只绑定本机):

label-studio start --host 127.0.0.1 --port 8080

Windows 上用 PowerShell 建隧道:

ssh -L 8080:127.0.0.1:8080 zhkui@你的UbuntuIP

然后 Windows 浏览器打开:

http://127.0.0.1:8080

3)在网页里开始标注扑克(检测框)

你要做的是“目标检测框”,Label Studio 里一般这样配置:

  1. 首次打开会让你创建管理员账号(邮箱/密码)

  2. 新建 Project

  3. 选择 Object Detection(Rectangle Labels / Bounding Box) 类型的标注模板

  4. 标签(Label)只填一个:card


4)导入你的图片(两种方式)

方式 A:直接网页上传(少量数据方便)

在项目里 Import,选择本地图片上传即可。

方式 B:服务器本地图片(数据多更推荐)

把你的数据集图片放到 Ubuntu,例如:

/home/zhkui/poker_dataset/images/train/home/zhkui/poker_dataset/images/val

Label Studio 支持多种导入方式;如果你希望“直接从服务器目录批量导入”,我可以按你数据所在路径给你最省事的导入方法(不同导入方式稍有差异)。


5)导出标注并转换为 YOLO 格式(关键)

Label Studio 导出一般是 JSON。我们用 label-studio-converter 转成 YOLO。

5.1 在网页导出

在项目页面选择 Export,导出为 JSON(默认即可)。
假设你下载到 Ubuntu 上路径:

/home/zhkui/exports/poker_export.json

5.2 转换成 YOLO(生成 labels/*.txt)

执行:

source ~/labelstudio/.venv/bin/activatemkdir -p /home/zhkui/poker_yolo_out

label-studio-converter convert \
  -i /home/zhkui/exports/poker_export.json \
  -o /home/zhkui/poker_yolo_out \
  --format yolo

转换后你会得到 YOLO 所需的 .txt 标注文件(以及可能的结构目录),然后把它整理成你之前 YOLO 训练用的结构:

poker_dataset/
  images/train, images/val
  labels/train, labels/val
  data.yaml

如果你导出的 yolo 标签输出目录结构跟你期望的不一致,把 poker_yolo_out 的目录列表贴我,我帮你一把“对齐到可直接训练”的结构(不需要你自己猜)。


  • 评论列表

留言评论