X-AnyLabeling 数据标注工具快速上手指南：AI 预标注 + 手动修正

X-AnyLabeling 数据标注工具快速上手指南AI 预标注 手动修正【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.项目地址: https://gitcode.com/gh_mirrors/xa/X-AnyLabeling人工框一张图要几分钟十万张图呢X-AnyLabeling 是一个轻量、跨平台的 AI 辅助数据标注工具内置 YOLO、SAM、Grounding-DINO 等模型先让 AI 生成预标注你再人工修正图形化界面即可完成目标检测、分割、姿态、OCR 等多种标注任务。装好环境一条命令启动要求 Python 3.11 ~ 3.13推荐 3.12Windows、Linux、macOS 通用。python -m venv label_env pip install x-anylabeling-cvhub[cpu] # GPU 环境换成 [gpu]需要源码或高级功能时也可以克隆仓库安装git clone https://gitcode.com/gh_mirrors/xa/X-AnyLabeling cd X-AnyLabeling pip install -e .[cpu]验证与启动xanylabeling checks # 查看系统与版本信息 xanylabeling # 启动图形界面GPU 版需让 CUDA、cuDNN 与 onnxruntime 版本配套装不上时会回退 CPU。先看清它能标什么标注类型适用场景内置模型示例矩形目标检测通用目标数据集生产YOLO 系列、RT-DETR、RF-DETR旋转框OBB航拍、遥感、密集目标YOLO-OBB、RT-DETRv2-OBB语义/实例分割医学影像、自动驾驶SAM、MobileSAM、EdgeSAM姿态与人脸关键点动作识别、人脸分析RTMPose、DWPose、SCRFDOCR 文字识别文本检测与识别PaddleOCR图像描述/打标多模态数据集Florence2、Rex-Omni走通一个目标检测标注任务以最常见的检测框预标注 人工修正为例6 步走完。1. 打开图片目录。按CtrlU选择图片文件夹多级目录也会被全部导入右下角文件列表展示待标注队列。2. 选择检测模型。在左侧工具栏选择 AI 预标注模型YOLO 系列速度最快适合起步。3. 触发 AI 预标注。按CtrlA运行模型AI 生成的框会直接落在画布上每个框都带置信度分数。4. 人工修正。CtrlJ切到编辑模式Delete删误检框拖角点调位置漏检目标按R补一个矩形框在标签弹窗里填好类别。误框较多时也可以右键对象选隐藏先看再清。5. 保存并推进下一张。CtrlS保存JSON 标注默认写到图片同目录按D下一张、A上一张继续。6. 需要其他格式就批量转换。命令行执行xanylabeling convert列出支持的转换任务一条命令把结果转成你训练框架需要的格式。快捷键与批量操作高频操作记住这几个就够D/A下一张 / 上一张R/O/P矩形框 / 旋转框 / 多边形CtrlJ绘制模式与编辑模式互切CtrlS/CtrlZ保存 / 撤销CtrlG查看当前任务的标注统计AltL标签管理器批量重命名、改颜色、显隐类别预标注和批量处理还有几个值得先配置的入口数字快捷键管理器AltD把 0~9 数字键绑到常用绘制模式和默认标签按一个数字键直接进入绘制状态并带默认标签。批量标注CtrlB把当前图片的标注套用到队列中的其他图片同场景图片效果最好。对象管理器AltS批量新增、删除、移除指定对象适合统一清理。标注统计CtrlG按类别查看标注数量交付前核对各类样本数。高频问题与解法现象第一次运行自动标注很慢。原因模型权重首次自动下载。解法保持网络畅通提前把 ONNX 模型放进模型目录或换小规格模型如yolo26s。现象提示找不到 GPU或 GPU 加载报错。原因CUDA、cuDNN、onnxruntime 版本不配套。解法按文档表格对齐版本后重装onnxruntime-gpu或临时用[cpu]环境顶替。现象YOLO26 预标注出现多个重叠框。原因未启用 NMS 的去重处理。解法按文档说明使用带 NMS 的模型配置后重新预标注。现象超大图片无法打开。原因Qt 默认 256 MB 图像分配上限。解法用启动参数--qt-image-allocation-limit调高上限或 0 表示不限制。现象模型输出的类名是英文和项目类别对不上。原因预定义标签未加载或类别定义不同。解法准备一个逐行列出类名的.txt文件从Upload菜单上传标签文件当前会话有效或写入配置文件永久有效。更多条目可查 docs/zh_cn/faq.md。适合谁往哪走如果你需要快速产出检测、分割、姿态类数据集——无论是研究同学还是数据工程师——这套AI 预标注 人工修正的流程可以直接套用。想接入自己训练的模型或了解完整操作细节从 docs/zh_cn/custom_model.md 和 docs/zh_cn/model_zoo.md 继续深入即可。【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.项目地址: https://gitcode.com/gh_mirrors/xa/X-AnyLabeling创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考