标一点、训一版、再自动标 —— 桌面端图像标注与 YOLO 训练的迭代闭环工具。
English | 简体中文
AutoLabel Dock 是一款基于 PyQt5 + Ultralytics YOLOv8 的桌面端图像标注工具，全中文界面，跨 Linux / macOS / Windows 运行。
它把"标注"与"训练"做成一个迭代闭环：先手动（或用现有模型辅助）标注一批图，人工确认后一键训练自定义 YOLO 模型，再用新模型继续自动标注剩余数据——每迭代一轮，需要手动修正的越来越少。
| 面板 | 界面展示 |
|---|---|
| 标注（检测/关键点） |  |
| 分类 |  |
| LocateAnything |  |
| 训练面板 |  |
| 模型面板 |  |
- 目标检测（detect）：边界框（bbox）标注
- 关键点姿态（pose）：bbox + 骨架关键点
- 图像分类（classify）：整图单标签，网格选择器 +
1–9数字键快捷标注，标完自动跳下一张
- 类似 LabelImg 的键盘流操作体验
- 画布流畅绘制：bbox 与关键点放置、拖拽移动/缩放、滚轮缩放与平移；大量标注时视口剔除保持帧率
- 每张图独立撤销栈（深度 50），切图自动保存，LRU 图像缓存
- 文件列表按状态着色（已确认/待确认/未标注），支持拖拽导入图片、状态+类别+标签三重过滤、右键批量操作
- Catppuccin Mocha 暗色主题
快捷键表
工具与模式
| 快捷键 | 功能 |
|---|---|
W |
画框模式 |
K |
关键点模式 |
V |
选择/移动模式 |
导航
| 快捷键 | 功能 |
|---|---|
A / ← |
上一张（自动保存当前） |
D / → |
下一张（自动保存当前） |
标注操作
| 快捷键 | 功能 |
|---|---|
Space |
确认选中标注 |
Delete |
删除选中标注 |
Ctrl+Z / Ctrl+Y |
撤销 / 重做 |
Ctrl+C / Ctrl+V |
复制 / 粘贴标注 |
Ctrl+S |
保存 |
视图
| 快捷键 | 功能 |
|---|---|
Ctrl++ / Ctrl+- |
放大 / 缩小 |
Ctrl+0 |
适应窗口 |
F5 |
重新扫描图片目录 |
分类专用
| 快捷键 | 功能 |
|---|---|
1–9 |
快速选择类别标签 |
- 加载任意 YOLO 权重做单图或批量预标注（批量在后台线程运行，逐图落盘）
- 冲突检测：预测结果与已确认的同类标注按 IoU 匹配，避免产生重复框
- 确认生命周期：自动标注默认"待确认"（虚线框），任何手动编辑即视为确认；整图确认后画布锁定防误触
- 可选 LocateAnything-3B 文本标注后端，用自然语言描述要标注的目标（见「可选：LocateAnything 文本标注」）
- 给图片打自定义标签（独立于分类标签），用于数据集组织
- 三态过滤芯片（无 → 包含 → 排除），多个包含标签时支持 AND/OR 组合
- 选中多张图片后按
T批量打标签 - 训练时可用同一套标签过滤器筛选训练子集
- 一键数据集准备：按主类别分层抽样切分 train/val，符号链接零拷贝（Windows 自动降级，见平台说明）
- 训练预设 + 完整超参可调；实时 loss / mAP 曲线；可中途取消
- 训练完成自动注册到模型库并自动加载，立刻可用于推理
- 模型库：训练产物自动登记，支持导入外部权重、重命名、删除
- 多模型指标对比对话框
| 格式 | 导出 | 导入 | 适用任务 |
|---|---|---|---|
| YOLO (txt) | ✅ | ✅ | 检测 / 姿态 |
| COCO (json) | ✅ | ✅ | 检测 / 姿态 |
| labelme (json) | ✅ | ✅ | 检测 / 姿态 |
| ImageFolder | ✅ | ✅ | 分类（按类别分文件夹） |
| CSV | ✅ | ❌ | 分类 |
- 自动备份：导出、类别变更等破坏性操作前自动快照到项目内
.backups/，保留最近 20 份；恢复前再做一次安全备份 - 独立存储：标注按图存 JSON 文件，单个文件损坏不影响其余标注
- 全局配置：最近项目、窗口几何、阈值等存于
~/.autolabel/
1. 创建项目 → 2. 导入图片 → 3. 标注 → 4. 确认 → 5. 训练 → 6. 迭代 ↻
- 创建项目：选择任务类型（检测 / 姿态 / 分类），指定项目目录（项目会自动扫描加载images/labels），或留空后通过下一步拖入
- 导入图片：若项目内尚无图片，拖拽图片到文件列表即可（也可后续放入项目
images/目录后按F5刷新） - 标注：手动绘制；或加载一个 YOLO 权重做自动预标注；也可选用 LocateAnything 文本标注后端，用自然语言描述要标注的目标（见可选：LocateAnything 文本标注）
- 确认：逐图检查自动标注结果，编辑即确认
- 训练：一键准备数据集并启动训练，实时查看曲线
- 迭代：训练完成的新模型自动加载，继续自动标注剩余图片
- Python ≥ 3.10
- 操作系统：Linux / macOS / Windows
核心依赖很轻：PyQt5（界面）与 Ultralytics（YOLO 推理/训练），外加 pyqtgraph（训练曲线）等少量库，完整清单见 requirements.txt。
推荐使用 Miniconda 创建独立环境：
git clone https://github.com/xzcGit/autolabel-dock.git
cd autolabel-dock
conda create -n autolabel python=3.10 -y
conda activate autolabel
pip install -r requirements.txt可选的 LocateAnything-3B 文本标注后端体积较大，按需安装，启用条件见「可选：LocateAnything 文本标注」。
python main.py本项目不提供任何模型权重。YOLO 官方预训练模型（yolov8n.pt、yolov8s.pt、yolo26n.pt 等）首次使用相关功能时由 Ultralytics 自动下载；若自动下载失败，可手动下载对应的 .pt 文件放到仓库根目录（autolabel-dock/）下。LocateAnything-3B 权重的获取方式见下节。
LocateAnything-3B 是可选的开放词汇检测后端，用自然语言描述要标注的目标。不启用它时应用其余功能完全正常。启用需同时满足以下三个条件，任一不满足时界面会给出中文提示，不影响应用本身：
1. 安装可选依赖
pip install -e ".[locateanything]"会额外安装 transformers、accelerate、bitsandbytes、decord（基础安装不包含这些重依赖）。
2. 提前下载模型权重
运行时以离线模式（HF_HUB_OFFLINE=1）加载，不会自动下载，必须提前手动下载 nvidia/LocateAnything-3B 到本地 HuggingFace 缓存：
hf download nvidia/LocateAnything-3B
# 旧版工具：huggingface-cli download nvidia/LocateAnything-3B默认缓存位置为 ~/.cache/huggingface/hub，也支持通过 $HF_HOME 或 $HUGGINGFACE_HUB_CACHE 指定。
3. GPU 显存
需要 NVIDIA GPU 且 nvidia-smi 可用，不支持 CPU 运行；总显存 ≥ 6GB，且启用时空闲显存 ≥ 5GB（单卡机器上桌面显示也占用显存，故空闲门槛较高）。
另外：LocateAnything 与 YOLO 模型不会同时占用 GPU——启用 LocateAnything 会自动卸载已加载的 YOLO 模型，反向（加载 YOLO 模型或开始训练）会先弹窗确认关闭 LocateAnything。它运行在独立子进程中，与主界面进程隔离。
训练数据集准备会创建大量"指向原图"的链接。代码（src/utils/fs.py 的 link_or_copy）按以下优先级自动降级，保证在任何平台都能运行：
symlink（符号链接） → hardlink（硬链接） → copy（复制）
| 方式 | 触发条件 | 速度 | 额外占用 |
|---|---|---|---|
| symlink | 系统支持且有权限（Linux/macOS 默认；Windows 需开发者模式或管理员） | 最快 | 几乎为零 |
| hardlink | symlink 失败，且源与目标在同一磁盘卷（Windows NTFS 无需特权） | 最快 | 几乎为零 |
| copy | 前两者均失败（典型：跨盘 + 非开发者模式） | 慢 | 与图片总大小相同 |
⚠️ Windows 推荐：启用开发者模式（设置 → 隐私和安全 → 开发者选项），一次设置永久生效，行为与 Linux 一致；或保证项目目录与图片目录在同一磁盘（自动走硬链接路径）。其他注意：建议项目路径使用纯英文；若把图片目录指向另一块磁盘（跨盘），链接会退化为复制，占用额外磁盘空间。
autolabel-dock/
├── src/
│ ├── core/ 纯数据模型与 IO（标注、项目配置、导入导出格式、备份）
│ ├── engine/ YOLO 训练 / 推理封装与数据集准备
│ ├── controllers/ UI 与核心层之间的桥接与编排
│ ├── ui/ PyQt5 界面组件（画布、面板、对话框）
│ └── utils/ 后台线程、撤销栈、图像缓存等工具
├── tests/ pytest 测试
├── resources/ 截图等静态资源
├── main.py 应用入口
└── requirements.txt 依赖清单
欢迎提交 issue 与 PR。开发环境按上文「安装」配置后，运行测试：
pytest本项目以 AGPL-3.0 许可证发布。
项目的核心依赖采用强 copyleft 许可：
- PyQt5 — GPL-3.0
- Ultralytics (YOLOv8) — AGPL-3.0
依赖中最严格的是 AGPL-3.0，本项目据此对齐。若需在闭源/商业产品中使用，请自行获取相应依赖的商业授权（PyQt 商业授权、Ultralytics 企业授权）。