参考文章：目标检测---利用labelimg制作自己的深度学习目标检测数据集-CSDN博客

以上文章是windows下使用的方法，本章是在ubuntu22下使用的方法

一、准备工作

        确保您的Ubuntu系统已安装Python 3.7或更高版本。可以通过在终端输入 python3 --version 来检查Python版本。

二、下载

git clone https://github.com/tzutalin/labelImg.git

三、安装依赖包

cd labelImg
sudo apt-get install pyqt5-dev-tools
pip install -r requirements/requirements-linux-python3.txt

四、编译labelimg

进入LabelImg文件夹下，执行以下命令以生成可执行文件：

make qt5py3

生成一个名为 labelImg.py 的可执行文件。

五、运行测试

python labelImg.py

六、使用labelimg标制作自己的深度学习目标检测数据集

（一）创建数据集文件夹

        1. 创建数据集文件夹VOC2007

        在当前labelimg文件夹下，新建一个名为VOC2007的文件夹（这个是约定俗成，不这么做也行）

        2. 创建待处理素材文件夹JPEGImages

        里面创建一个名为JPEGImages的文件夹存放我们需要打标签的图片文件；

        3. 创建标注好的数据集文件夹Annotations

        再创建一个名为Annotations存放标注的标签文件；

        4. 创建存放标注类别名称的txt文件predefined_classes.tx

        最后创建一个名为 predefined_classes.txt 的txt文件来存放所要标注的类别名称。

 （二）打开labelimg进行标注

        1. 打开labelimg

        命令：

python3 labelImg.py VOC2007/JPEGImages VOC2007/predefined_classes.txt

        2. 设置输出目录

        输出目录为：创建标注好的数据集文件夹Annotations

        3. 设置输出格式

        因为后期我们使用yolo，这里将这个按钮设置为YOLO

        4. 基本设置

        5. 标注区块并选择分类

        6. 切换图片自动保存

        依次操作完毕后，深度学习目标检测数据集已经准备完毕