空柏

统计加载中...

Announcement

Welcome to my blog!

标签

1820 字

9 分钟

使用Label Studio 导入并查看已有标注数据集

2026-05-16

General

Label Studio

/

数据标注

/

YOLO

/

数据集导入

/

Python

/

计算机视觉

统计加载中...

Label Studio 导入已有标注数据集#

在计算机视觉项目中，我们经常需要复用公开数据集或他人分享的标注数据。这些数据集通常以特定格式存储标签，例如 YOLO 格式的 .txt 文件。然而，Label Studio 作为一款强大的开源标注工具，默认不支持直接导入单个标签文件，它需要特定的 JSON 结构来识别标注信息。

本文将手把手教你如何将 YOLO 格式的标注数据转换为 Label Studio 可识别的 JSON 文件，并成功导入可视化查看每一个标注框的位置。

问题分析#

Label Studio 导入标注数据时，期望接收一个 JSON 数组，每个元素包含数据路径和对应的预测或标注结果。结构大致如下：

1
[
2
  {
3
    "data": {
4
      "image": "/data/local-files/?d=./images/sample.jpg"
5
    },
6
    "predictions": [
7
      {
8
        "result": [
9
          {
10
            "id": "box1",
11
            "type": "rectanglelabels",
12
            "from_name": "label",
13
            "to_name": "image",
14
            "value": {
15
              "x": 10.0,
16
              "y": 20.0,
17
              "width": 30.0,
18
              "height": 40.0,
19
              "rectanglelabels": ["cat"]
20
            }
21
          }
22
        ]
23
      }
24
    ]
25
  }
26
]

而我们手头的数据往往是 YOLO 格式的 .txt 文件，每一行代表一个标注框，格式为：

1
class_id x_center y_center width height

所有坐标值均已归一化到 [0, 1] 之间。

因此，我们需要一个转换脚本，将 YOLO 标签转换为 Label Studio 所需的 JSON 结构。

准备工作#

在开始之前，请确保你的环境中已安装：

Python 3.6+
Label Studio（可通过 pip install label-studio 安装）
一个包含图片和 YOLO 标签文件夹的数据集

Python 转换脚本#

下面这个脚本可以将 YOLO 格式的标签批量转换为 Label Studio 可导入的 JSON 文件。请根据你的数据集修改路径和类别列表。

1
import os
2
import json
3

4
# ====== 配置区 ======
5
IMAGE_DIR = './images'          # 图片文件夹路径
6
LABEL_DIR = './labels'          # 标签文件夹路径
7
OUTPUT_JSON = './labelstudio.json'  # 输出文件路径
8
CLASSES = ['fire', 'smoke']     # 你的类别列表（顺序需与 YOLO 类别索引一致）
9
# ===================
10

11
tasks = []
12

13
for img_name in os.listdir(IMAGE_DIR):
14
    if not img_name.lower().endswith(('.jpg', '.jpeg', '.png')):
15
        continue
16

17
    base_name = os.path.splitext(img_name)[0]
18
    label_path = os.path.join(LABEL_DIR, base_name + '.txt')
19

20
    # 构建基础 task 结构
21
    task = {
22
        "data": {
23
            "image": f"/data/local-files/?d={IMAGE_DIR}/{img_name}"
24
        },
25
        "predictions": []
26
    }
27

28
    if os.path.exists(label_path):
29
        with open(label_path, "r") as f:
30
            lines = f.readlines()
31

32
        annotations = []
33
        for idx, line in enumerate(lines):
34
            line = line.strip()
35
            if not line:
36
                continue
37

38
            parts = line.split()
39
            class_idx = int(parts[0])
40
            x_center = float(parts[1])
41
            y_center = float(parts[2])
42
            width = float(parts[3])
43
            height = float(parts[4])
44

45
            # Label Studio 使用百分比坐标（0-100），需将归一化坐标转换
46
            annotation = {
47
                "result": [
48
                    {
49
                        "id": f"{base_name}_{idx}",
50
                        "type": "rectanglelabels",
51
                        "from_name": "label",
52
                        "to_name": "image",
53
                        "value": {
54
                            "x": (x_center - width / 2) * 100,
55
                            "y": (y_center - height / 2) * 100,
56
                            "width": width * 100,
57
                            "height": height * 100,
58
                            "rectanglelabels": [CLASSES[class_idx]]
59
                        }
60
                    }
61
                ]
62
            }
63
            annotations.append(annotation)
64

65
        task["predictions"] = annotations
66

67
    tasks.append(task)
68

69
# 写入 JSON 文件
70
with open(OUTPUT_JSON, "w") as f:
71
    json.dump(tasks, f, indent=2)
72

73
print(f"转换完成！共处理 {len(tasks)} 张图片，输出文件：{OUTPUT_JSON}")

重要说明：脚本中的图片路径使用 /data/local-files/?d=... 格式，这是 Label Studio 本地文件存储的约定路径。如果你的图片放在其他位置，请相应调整。

运行脚本#

如果你是第一次接触命令行，别担心，按照以下步骤操作：

创建 Python 文件
在你的数据集文件夹内新建一个文本文件（例如 convert.txt），将上面的 Python 代码完整复制进去。
保存并重命名
- 按 Ctrl+S 保存文件（这一步非常重要，否则修改不会生效）。
- 将文件名改为 convert.py（注意扩展名是 .py，不是 .txt）。
打开终端
- 在文件夹空白处按住 Shift 键并右键点击，选择“在此处打开 PowerShell 窗口”或“在终端中打开”。
- 或者直接打开命令行，使用 cd 命令切换到该文件夹。
运行脚本
输入以下命令并回车：
```
1
python convert.py
```
如果你的系统安装了 Python 3 且默认命令是 python3，请使用：
```
1
python3 convert.py
```

检查输出
运行成功后，你会在文件夹内看到一个 labelstudio.json 文件。打开它，内容应该类似于：

1
[
2
  {
3
    "data": {
4
      "image": "/data/local-files/?d=./images/bothFireAndSmoke_UAV000004.jpg"
5
    },
6
    "predictions": [
7
      {
8
        "result": [
9
          {
10
            "id": "bothFireAndSmoke_UAV000004_0",
11
            "type": "rectanglelabels",
12
            "from_name": "label",
13
            "to_name": "image",
14
            "value": {
15
              "x": 81.90,
16
              "y": 57.32,
17
              "width": 4.82,
18
              "height": 2.15,
19
              "rectanglelabels": ["smoke"]
20
            }
21
          }
22
        ]
23
      }
24
    ]
25
  }
26
]

这说明转换成功，标注数据已准备就绪。

导入 Label Studio#

1. 准备数据源#

Label Studio 默认关闭本地文件存储功能。要启用它，你需要在项目根目录下创建一个名为 mydata 的文件夹（注意名称固定）。

在 Label Studio 的启动目录下新建 mydata 文件夹。

将你的图片文件夹（例如 images）复制或移动到 mydata 内。最终结构应为：

1
mydata/
2
└── images/
3
    ├── img001.jpg
4
    ├── img002.jpg
5
    └── ...

2. 启动 Label Studio#

在终端中输入：

1
label-studio

启动后，Label Studio 会自动识别 mydata 文件夹并开启本地数据源功能。

3. 创建项目并导入 JSON#

打开浏览器访问 http://localhost:8080。
点击 Create 创建一个新项目，填写项目名称（例如 YOLO 数据集预览）。
在 Labeling Setup 中，选择 Object Detection with Bounding Boxes 模板，并添加你的类别（fire, smoke）。
点击 Save 进入项目页面。
在项目页面，点击右上角的 Import 按钮，选择你生成的 labelstudio.json 文件并上传。

4. 配置数据源#

上传完成后，你可能会看到图片无法显示，这是因为 Label Studio 还不知道去哪里找图片文件。我们需要手动配置数据源：

点击右上角的 Settings（齿轮图标）。
在左侧菜单中，选择 Cloud Storage。
点击 Add Source Storage。
在弹出的窗口中：
- Storage Type：选择 Local files。
- Absolute local path：填写 mydata 文件夹的绝对路径（例如 /home/user/mydata 或 C:\Users\YourName\mydata）。
- File Filter：可以留空或填写 .*\.(jpg|jpeg|png)。
- Treat every bucket object as a source file：保持默认。
点击 Check Connection 测试连接，成功后点击 Add Storage。