X-AnyLabeling 图像标注工具快速上手从安装到 YOLO 格式导出只需 4 步【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, point cloud 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手头有一批图片或视频需要变成能喂给训练框架的标注数据X-AnyLabeling 图像标注工具把这件事整合在同一个桌面应用里完成手工画框、让 AI 模型自动预标注、把结果导出成 YOLO / COCO / VOC 等格式全在一处操作不用在多个工具之间来回倒数据。它支持 Windows、Linux 和 macOS界面可选中文、英文、日文、韩文对标注新手比较友好。第一步把它装到电脑上先建一个干净的 Python 环境X-AnyLabeling 要求 Python 3.11 及以上官方推荐 3.12。用 conda 建一个环境最直接conda create --name x-anylabeling python3.12 -y conda activate x-anylabeling按你的使用场景选一种安装方式pip 安装只想用它标注数据不想碰源码装官方包即可pip install x-anylabeling-cvhub[cpu]有 NVIDIA 显卡就装[gpu]版本模型推理会快很多。源码克隆想用视频目标追踪、Ultralytics 一键训练这类进阶功能需要先克隆仓库git clone https://gitcode.com/gh_mirrors/xa/X-AnyLabeling进入目录后执行pip install -e .[cpu]。GUI 安装包完全不想碰命令行的话可以直接下载对应平台的 GUI 安装包解压使用代价是功能更新会滞后于源码版出问题也不好排查。装完先验证再启动xanylabeling checks # 检查系统和依赖是否就绪 xanylabeling # 启动图形界面checks命令会把 Python 版本、ONNX Runtime 等关键信息打印出来环境有问题在这一步就能发现。第二步导入数据打开第一张图一键导入整个图像目录界面打开后按CtrlU选择你的图片文件夹。目录里的图像会被全部载入右侧文件列表子目录中的图片也会一并导入——你不需要先手动把几百张图拷到一起。单张图调试用CtrlI打开即可支持 jpg、png、bmp、webp、tif 等常见格式。视频可以直接拖进来按CtrlO打开 mp4、avi、mov、mkv 等视频文件工具会按帧拆开逐帧处理。这对多目标跟踪、视频分割类任务很实用同一帧里的对象可以用相同的group_id关联起来导出 MOT 格式时轨迹信息就是现成的。随时切换输出位置标注 JSON 默认存在图片所在目录想分开存放时按CtrlShiftS或走「文件 → 更改输出目录」之后所有标注都写到新位置。第三步完成你的第一次标注用快捷键画出各种形状左侧工具栏对应每种形状都有快捷键。最常用的几个快捷键画什么R矩形框按住 Shift 可画正方形P多边形逐点点击双击闭合至少 3 个点O旋转框适合斜着的目标T四边形ShiftP关键点ShiftC圆形画完第一个对象会弹出标签编辑框输入类别名支持模糊搜索。如果这一批图里类别固定可以提前准备一个每行一个类别的.txt文件通过Upload → Upload Label Classes File上传之后打标签就是选而不是敲。多边形太累让画笔代劳逐点画长轮廓的多边形很痛苦。按CtrlN进入画笔模式鼠标贴着目标边缘移动工具会自动添加顶点回到起点附近自动闭合一个不规则轮廓几秒钟搞定。想要更粗暴的效果还有魔术棒ShiftW按住左键拖动可圈出颜色连通的区域右键确认直接生成多边形。画错了就切到编辑模式修按CtrlJ在绘制模式和编辑模式之间切换。编辑模式下点击任意对象选中它然后拖角点调大小、拖顶点改形状、Delete删掉、CtrlZ撤销、CtrlD快速复制一份。密集图里不好选对象时按CtrlShiftC可以让工具逐个自动选中配合CtrlShiftN逐个放大居中查看细节检查标注质量比一张张肉眼扫快得多。第四步让 AI 模型帮你预标注纯手工标注几百张图不现实这正是 X-AnyLabeling 的核心卖点内置了一批预训练模型选一个、点运行框就出来了。单张图试跑在上方模型列表里选一个比如YOLO11按I或点 Run 按钮跑当前图。模型第一次使用时会自动下载权重框会带着置信度直接画在图上——不满意的框删掉位置不对的拖一下比从零画省一大半时间。满意后批量跑整批确认当前图的效果没问题按CtrlB把模型跑完整个目录。跑完你再逐张微调最后用CtrlAltK把检查通过的图片打绿点标记文件列表里一眼能看出哪些还没过审。想用自己的模型支持接入自定义模型ONNX 等把模型和一份 YAML 配置放进anylabeling/configs/auto_labeling/即可被识别详细写法见 自定义模型文档。第五步检查、保存与导出标注是自动保存的 JSON每张图对应一个同名 JSON存在图片目录或你指定的输出目录下默认自动保存不用惦记存盘。JSON 里包含label、points、shape_type、attributes等字段结构稳定直接当中间数据源也没问题。想验证内容随便打开一个看即可。导出成你训练框架要的样子点顶部「导出」按钮选择任务格式按提示上传类别文件YOLO/COCO 等格式需要一份每行一个类别的classes.txt确认后工具会把整个目录的标注转好格式导出的文件默认位置YOLO检测/分割/旋转框/关键点*.txt图片目录同级的labels/COCO*.json图片目录同级的annotations/Pascal VOC*.xml图片目录同级的Annotations/DOTA旋转框*.txt图片目录同级的labelTxt/MASK分割掩码*.png图片目录同级的mask/反过来也支持导入已有别的工具的标注点「上传」选择对应格式就能接着在 X-AnyLabeling 里编辑。YOLO 格式有一个坑要注意.txt标注文件别和图像放在同一目录否则导入时容易混淆。大项目用 CLI 批量转换上千张图、或者要反复在格式之间倒用命令行更省事。先看看支持哪些任务xanylabeling convert # 列出全部转换任务 xanylabeling convert xlabel2mots # 查看某个任务的用法完整参数说明在 命令行界面文档。进阶几个高频效率技巧支持的任务远不止检测X-AnyLabeling 覆盖的任务可以概括成一张表每种任务都有对应的示例数据目录任务内置可用模型图像分类YOLOv5/v8/11-Cls、InternImage、PULC目标检测水平/旋转YOLO 系列、RT-DETR、RF-DETR、RT-DETRv2-OBB实例/语义分割SAM 1/2/3、YOLO-Seg、D-FINE-seg、U-Net姿态估计YOLOv8/11/26-Pose、DWPose、RTMO多目标跟踪BoT-SORT、ByteTrack、SAM2/SAM3-VideoOCR 与文档解析PP-OCRv4/v5/v6、PaddleOCR-VL深度估计 / 抠图 / 计数 / 视觉定位Depth Anything、RMBG、GeCo2、Grounding DINO、YOLOE3D 点云检测与分割3D 点云工作区Ctrl6打开图像分类器 / 视频分类器 / 视觉问答 / 聊天机器人内置面板Ctrl1~Ctrl5直达3D 点云标注是 2026 年新增的功能支持 KITTI 格式的检测与分割标签管理器类别改名、清错、调颜色一次完成标到几百张之后你可能想把car全部改名成vehicle或者清掉一个误用的类别。AltL打开标签管理器勾选对应类别限定文件范围后执行删除或重命名同一个窗口里还能控制各类别的显隐、锁定防止误改已完成标注、调整显示颜色。数据总览交付前先看一眼分布「工具 → 数据总览」CtrlG能看到每个类别的标注数量、各形状类型的分布还能导出 CSV 统计报告和类别列表压缩包。交付数据集前跑一遍哪种类别明显偏少、哪类形状混进错了直接暴露出来。设置页快捷键和外观都能改Ctrl0打开 Settings几乎所有默认行为都能调快捷键冲突可以直接重映射标签颜色、形状边框填充、十字线样式在这里改「自动切换编辑模式」「悬浮自动高亮」这类行为开关也都在 General 页里。界面语言在顶部「语言」菜单切换切完会自动重启记得先存好标注。更多选项可以手动编辑用户目录下的.xanylabelingrc改完重启生效。到这里从装环境到导出训练数据的主流程就走完了。日常高频快捷键一共就CtrlU导入、R/P/O画形状、CtrlJ切模式、A/D翻页、CtrlB批量跑模型这几个混个几天就成肌肉记忆。遇到具体问题仓库里的 用户手册 和 常见问题 覆盖得很细值得留一个书签。【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, point cloud 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 
长河君 · 2026/11/5 5:19:47 · 阅读 1.2k X-AnyLabeling 图像标注工具快速上手：从安装到 YOLO 格式导出只需 4 步
X-AnyLabeling 图像标注工具快速上手从安装到 YOLO 格式导出只需 4 步【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, point cloud 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手头有一批图片或视频需要变成能喂给训练框架的标注数据X-AnyLabeling 图像标注工具把这件事整合在同一个桌面应用里完成手工画框、让 AI 模型自动预标注、把结果导出成 YOLO / COCO / VOC 等格式全在一处操作不用在多个工具之间来回倒数据。它支持 Windows、Linux 和 macOS界面可选中文、英文、日文、韩文对标注新手比较友好。第一步把它装到电脑上先建一个干净的 Python 环境X-AnyLabeling 要求 Python 3.11 及以上官方推荐 3.12。用 conda 建一个环境最直接conda create --name x-anylabeling python3.12 -y conda activate x-anylabeling按你的使用场景选一种安装方式pip 安装只想用它标注数据不想碰源码装官方包即可pip install x-anylabeling-cvhub[cpu]有 NVIDIA 显卡就装[gpu]版本模型推理会快很多。源码克隆想用视频目标追踪、Ultralytics 一键训练这类进阶功能需要先克隆仓库git clone https://gitcode.com/gh_mirrors/xa/X-AnyLabeling进入目录后执行pip install -e .[cpu]。GUI 安装包完全不想碰命令行的话可以直接下载对应平台的 GUI 安装包解压使用代价是功能更新会滞后于源码版出问题也不好排查。装完先验证再启动xanylabeling checks # 检查系统和依赖是否就绪 xanylabeling # 启动图形界面checks命令会把 Python 版本、ONNX Runtime 等关键信息打印出来环境有问题在这一步就能发现。第二步导入数据打开第一张图一键导入整个图像目录界面打开后按CtrlU选择你的图片文件夹。目录里的图像会被全部载入右侧文件列表子目录中的图片也会一并导入——你不需要先手动把几百张图拷到一起。单张图调试用CtrlI打开即可支持 jpg、png、bmp、webp、tif 等常见格式。视频可以直接拖进来按CtrlO打开 mp4、avi、mov、mkv 等视频文件工具会按帧拆开逐帧处理。这对多目标跟踪、视频分割类任务很实用同一帧里的对象可以用相同的group_id关联起来导出 MOT 格式时轨迹信息就是现成的。随时切换输出位置标注 JSON 默认存在图片所在目录想分开存放时按CtrlShiftS或走「文件 → 更改输出目录」之后所有标注都写到新位置。第三步完成你的第一次标注用快捷键画出各种形状左侧工具栏对应每种形状都有快捷键。最常用的几个快捷键画什么R矩形框按住 Shift 可画正方形P多边形逐点点击双击闭合至少 3 个点O旋转框适合斜着的目标T四边形ShiftP关键点ShiftC圆形画完第一个对象会弹出标签编辑框输入类别名支持模糊搜索。如果这一批图里类别固定可以提前准备一个每行一个类别的.txt文件通过Upload → Upload Label Classes File上传之后打标签就是选而不是敲。多边形太累让画笔代劳逐点画长轮廓的多边形很痛苦。按CtrlN进入画笔模式鼠标贴着目标边缘移动工具会自动添加顶点回到起点附近自动闭合一个不规则轮廓几秒钟搞定。想要更粗暴的效果还有魔术棒ShiftW按住左键拖动可圈出颜色连通的区域右键确认直接生成多边形。画错了就切到编辑模式修按CtrlJ在绘制模式和编辑模式之间切换。编辑模式下点击任意对象选中它然后拖角点调大小、拖顶点改形状、Delete删掉、CtrlZ撤销、CtrlD快速复制一份。密集图里不好选对象时按CtrlShiftC可以让工具逐个自动选中配合CtrlShiftN逐个放大居中查看细节检查标注质量比一张张肉眼扫快得多。第四步让 AI 模型帮你预标注纯手工标注几百张图不现实这正是 X-AnyLabeling 的核心卖点内置了一批预训练模型选一个、点运行框就出来了。单张图试跑在上方模型列表里选一个比如YOLO11按I或点 Run 按钮跑当前图。模型第一次使用时会自动下载权重框会带着置信度直接画在图上——不满意的框删掉位置不对的拖一下比从零画省一大半时间。满意后批量跑整批确认当前图的效果没问题按CtrlB把模型跑完整个目录。跑完你再逐张微调最后用CtrlAltK把检查通过的图片打绿点标记文件列表里一眼能看出哪些还没过审。想用自己的模型支持接入自定义模型ONNX 等把模型和一份 YAML 配置放进anylabeling/configs/auto_labeling/即可被识别详细写法见 自定义模型文档。第五步检查、保存与导出标注是自动保存的 JSON每张图对应一个同名 JSON存在图片目录或你指定的输出目录下默认自动保存不用惦记存盘。JSON 里包含label、points、shape_type、attributes等字段结构稳定直接当中间数据源也没问题。想验证内容随便打开一个看即可。导出成你训练框架要的样子点顶部「导出」按钮选择任务格式按提示上传类别文件YOLO/COCO 等格式需要一份每行一个类别的classes.txt确认后工具会把整个目录的标注转好格式导出的文件默认位置YOLO检测/分割/旋转框/关键点*.txt图片目录同级的labels/COCO*.json图片目录同级的annotations/Pascal VOC*.xml图片目录同级的Annotations/DOTA旋转框*.txt图片目录同级的labelTxt/MASK分割掩码*.png图片目录同级的mask/反过来也支持导入已有别的工具的标注点「上传」选择对应格式就能接着在 X-AnyLabeling 里编辑。YOLO 格式有一个坑要注意.txt标注文件别和图像放在同一目录否则导入时容易混淆。大项目用 CLI 批量转换上千张图、或者要反复在格式之间倒用命令行更省事。先看看支持哪些任务xanylabeling convert # 列出全部转换任务 xanylabeling convert xlabel2mots # 查看某个任务的用法完整参数说明在 命令行界面文档。进阶几个高频效率技巧支持的任务远不止检测X-AnyLabeling 覆盖的任务可以概括成一张表每种任务都有对应的示例数据目录任务内置可用模型图像分类YOLOv5/v8/11-Cls、InternImage、PULC目标检测水平/旋转YOLO 系列、RT-DETR、RF-DETR、RT-DETRv2-OBB实例/语义分割SAM 1/2/3、YOLO-Seg、D-FINE-seg、U-Net姿态估计YOLOv8/11/26-Pose、DWPose、RTMO多目标跟踪BoT-SORT、ByteTrack、SAM2/SAM3-VideoOCR 与文档解析PP-OCRv4/v5/v6、PaddleOCR-VL深度估计 / 抠图 / 计数 / 视觉定位Depth Anything、RMBG、GeCo2、Grounding DINO、YOLOE3D 点云检测与分割3D 点云工作区Ctrl6打开图像分类器 / 视频分类器 / 视觉问答 / 聊天机器人内置面板Ctrl1~Ctrl5直达3D 点云标注是 2026 年新增的功能支持 KITTI 格式的检测与分割标签管理器类别改名、清错、调颜色一次完成标到几百张之后你可能想把car全部改名成vehicle或者清掉一个误用的类别。AltL打开标签管理器勾选对应类别限定文件范围后执行删除或重命名同一个窗口里还能控制各类别的显隐、锁定防止误改已完成标注、调整显示颜色。数据总览交付前先看一眼分布「工具 → 数据总览」CtrlG能看到每个类别的标注数量、各形状类型的分布还能导出 CSV 统计报告和类别列表压缩包。交付数据集前跑一遍哪种类别明显偏少、哪类形状混进错了直接暴露出来。设置页快捷键和外观都能改Ctrl0打开 Settings几乎所有默认行为都能调快捷键冲突可以直接重映射标签颜色、形状边框填充、十字线样式在这里改「自动切换编辑模式」「悬浮自动高亮」这类行为开关也都在 General 页里。界面语言在顶部「语言」菜单切换切完会自动重启记得先存好标注。更多选项可以手动编辑用户目录下的.xanylabelingrc改完重启生效。到这里从装环境到导出训练数据的主流程就走完了。日常高频快捷键一共就CtrlU导入、R/P/O画形状、CtrlJ切模式、A/D翻页、CtrlB批量跑模型这几个混个几天就成肌肉记忆。遇到具体问题仓库里的 用户手册 和 常见问题 覆盖得很细值得留一个书签。【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, point cloud 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