1. X-AnyLabeling

1. 下载

X-AnyLabeling

2. 安装环境

1. 激活环境：conda activate py
2. 到文件目录下：…\X-AnyLabeling-main
3. 安装环境：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 打开软件

1. 运行app.py文件
   

4. 加入自己模型及yaml文件

1. 导出.onnx模型
2. 创建.yaml文件，存放内容：

type: yolov5
name: yolov5-test-det
display_name: test detection
model_path: best.onnx
input_width: 640
input_height: 640
stride: 32
nms_threshold: 0.2
confidence_threshold: 0.2
classes:
  - a
  - b
  - c
  - d
  - e
  - f
...

3. 存放位置：将.onnx模型及yaml文件存放同一位置。
4. 应用：1）加载图片文件夹；2）点击左下角AI标识；
   3）点击2后，左上角会出现列表，点击…Load Custom Model，加载自己的yaml文件即可。4）自动标注全部；5）单张标注。
   

5. 同labelme化

1. X-AnyLabeling标注生成的json文件不能用labelme加载，X-AnyLabeling也加载不了labelme生成的文件。
2. 修改如下代码就可以了：

# label_file.py
# 1. def load:
with io_open(filename, "r") as f:
     data = json.load(f)

      # add point dealing 20250815
      i=0
      for d in data['shapes']:
          shape=d['points']
          new_shapes=[]
          new_shapes.append(shape[0])
          new1=[shape[1][0],shape[0][1]]
          new_shapes.append(new1)
          new_shapes.append(shape[1])
          new3=[shape[0][0],shape[1][1]]
          new_shapes.append(new3)
          data['shapes'][i]['points']=new_shapes
          i+=1
     ### 20250815

   version = data.get("version")
# 2. def save:
  with io_open(filename, "w") as f:
       # add point dealing 20250815
       i=0
       for d in data['shapes']:
           shape=d['points']
           new_shapes=[]
           new_shapes.append(shape[0])
           new_shapes.append(shape[2])
           data['shapes'][i]['points']=new_shapes
           i+=1
       ### 20250815
       json.dump(data, f, ensure_ascii=False, indent=2)