当前位置： 首页 > news >正文

Label Studio安装和使用

news 来源：原创 2025/6/25 7:08:41

Label Studio安装和使用

Label Studio 是一款开源的、灵活的数据标注工具，支持多种数据类型（如文本、图像、音频、视频、时间序列等）和标注任务（如分类、目标检测、实体识别、情感分析等）。其核心优势在于高度可定制化，用户可通过直观的界面或XML/HTML代码自定义标注模板，满足不同项目的需求。

该系统提供协作功能，支持团队分布式标注，内置质量控制和进度跟踪，确保数据标注的一致性和效率。同时，Label Studio 兼容主流机器学习框架，可直接导出JSON、CSV等格式的标注结果，便于后续模型训练。

Label Studio 的开源特性、跨平台兼容性（支持本地部署和云端使用）以及丰富的集成选项（如与MLflow、TensorBoard等工具结合），使其成为研究人员和企业在数据标注领域的优选工具。无论是简单的分类任务还是复杂的多模态标注，Label Studio 都能提供高效、可靠的解决方案。

Label Studio安装

方式一：使用python pip直接安装

conda create --name label_env python=3.9
conda activate label_envpip install label-studioexport LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
export LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/label-studio/data/localdatalabel-studio start --port 8008  # 启动并指定端口

方式二：docker启动

docker pull heartexlabs/label-studio:latest
docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data \
--env LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true \
--env LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/label-studio/data/localdata heartexlabs/label-studio:latest# 遇到权限问题
chmod -R 777 mydata/

Label Studio各种任务标注

各个任务的输入格式参考官方文档：https://labelstud.io/templates/generative-pairwise-human-preference

文本类

文本分类标注

请添加图片描述
在这里插入图片描述

计算机视觉

要素语义分割

在这里插入图片描述

音频类

语音识别

在这里插入图片描述

生成式ai

RLHF

在这里插入图片描述

导入数据要注意数据格式与label interface对应，格式如下：
在这里插入图片描述

数据导出

label studio提供了多种形式的标注结果数据：
在这里插入图片描述

如果需要导出的数据较大,使用界面的export可能会没有响应，可以直接用命令导出：

label-studio export <project-id> <export-format> --export-path=<output-path>
或者
DEBUG=1 LOG_LEVEL=DEBUG label-studio export <project-id> <export-format> --export-path=<output-path>

预标注

预标注是指先对待标注的数据进行现有模型的预测，标注人员只需要对已有标注进行审核和调整。一方面节省人力，另一方面还能借助后端服务分析模型结果以及简单模型微调。

  1. 导入本地预标注文件

​ 格式参考：https://www.breezedeus.com/article/label-studio-20230621

​ https://labelstud.io/guide/predictions

​ 比如ner标注，先对文本进行通用ner模型的识别，上传数据的格式参考：

在这里插入图片描述

  1. 连接模型实时预标注
    • A user opens the task.
    • Label Studio sends the request to ML backend.
    • The ML backend responds with its prediction.
    • The prediction is loaded into the Label Studio UI and shown to the annotator.

​ 参考项目：https://github.com/HumanSignal/label-studio-ml-backend

案例：目标检测实时预标注

环境安装

# 获取项目
git clone https://github.com/HumanSignal/label-studio-ml-backend.git
# 进入项目安装环境（python版本>=3.10.0）
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple
# 创建新的后端服务
label-studio-ml create my_ml_backend  # my_ml_backend是自定义服务名称

创建完成后：服务架构如下：
在这里插入图片描述

其中主要需要修改model.py：要重写predict、fit方法。

yolov8权重需要自己下载。

配置链接Label Studio的环境变量

后端服务想要连接label studio的界面读取读片进行预测，需要配置access token，获取方式如下：

打开label studio界面的account&settings

在这里插入图片描述

在这里插入图片描述

获取到两个配置：

LS_URL = “http://127.0.0.1:8008”
LS_API_TOKEN = “536064d55cf9556caf3ff910efa2de13f40c3529”

可以在model.py进行配置。

预测程序编写model.py

改造model.py 需要根据你的任务目标进行改造。根据需求进行依赖安装。本次需要install ultralytics。

其中类名需要使用NewModel。如果要调整需要同时调整_wsgi.py中引入语句。

"""
@version: python3.9
@author: hcb
@software: PyCharm
@file: model.py
@time: 2025/4/23 13:39
"""
from typing import List, Dict, Optional
from label_studio_ml.model import LabelStudioMLBase
from label_studio_ml.response import ModelResponse
from label_studio_ml.utils import get_single_tag_keys, get_local_path
import requests, os
from ultralytics import YOLO
from PIL import Image
from io import BytesIO# 配置LS的url和接入权限！
LS_URL = "http://127.0.0.1:8008"
LS_API_TOKEN = "536064d55cf9556caf3ff910efa2de13f40c3529"class NewModel(LabelStudioMLBase):"""Custom ML Backend model"""def setup(self):"""Configure any parameters of your model here"""self.set("model_version", "0.0.1")self.from_name, self.to_name, self.value, self.classes = get_single_tag_keys(self.parsed_label_config, 'RectangleLabels', 'Image')# 配置自己下载的yolo模型！！self.model = YOLO("/data/huangchangbin/projects/label-studio-ml-backend/label-studio-ml-backend/my_ml_backend/yolov8n.pt")self.labels = self.model.namesdef predict(self, tasks: List[Dict], context: Optional[Dict] = None, **kwargs) -> ModelResponse:task = tasks[0]# header = {#     "Authorization": "Token " + LS_API_TOKEN}# image = Image.open(BytesIO(requests.get(#     LS_URL + task['data']['image'], headers=header).content))url = tasks[0]['data']['image']print(f'url is: {url}')image_path = self.get_local_path(url=url, ls_host=LS_URL, task_id=tasks[0]['id'])print(f'image_path: {image_path}')image = Image.open(image_path)original_width, original_height = image.sizepredictions = []score = 0i = 0results = self.model.predict(image, conf=0.5)for result in results:for i, prediction in enumerate(result.boxes):xyxy = prediction.xyxy[0].tolist()predictions.append({"id": str(i),"from_name": self.from_name,"to_name": self.to_name,"type": "rectanglelabels","score": prediction.conf.item(),"original_width": original_width,"original_height": original_height,"image_rotation": 0,"value": {"rotation": 0,"x": xyxy[0] / original_width * 100,"y": xyxy[1] / original_height * 100,"width": (xyxy[2] - xyxy[0]) / original_width * 100,"height": (xyxy[3] - xyxy[1]) / original_height * 100,"rectanglelabels": [self.labels[int(prediction.cls.item())]]}})score += prediction.conf.item()print(f"Prediction Score is {score:.3f}.")final_prediction = [{"result": predictions,"score": score / (i + 1),"model_version": "v8n"}]return ModelResponse(predictions=final_prediction)def fit(self, event, data, **kwargs):"""This method is called each time an annotation is created or updatedYou can run your logic here to update the model and persist it to the cacheIt is not recommended to perform long-running operations here, as it will block the main threadInstead, consider running a separate process or a thread (like RQ worker) to perform the training:param event: event type can be ('ANNOTATION_CREATED', 'ANNOTATION_UPDATED', 'START_TRAINING'):param data: the payload received from the event (check [Webhook event reference](https://labelstud.io/guide/webhook_reference.html))"""# use cache to retrieve the data from the previous fit() runsold_data = self.get('my_data')old_model_version = self.get('model_version')print(f'Old data: {old_data}')print(f'Old model version: {old_model_version}')# store new data to the cacheself.set('my_data', 'my_new_data_value')self.set('model_version', 'my_new_model_version')print(f'New data: {self.get("my_data")}')print(f'New model version: {self.get("model_version")}')print('fit() completed successfully.')

启动后端服务

退到上级目录
label-studio-ml start my_ml_backend -p 8009

接入Label Studio

先在Label Studio创建目标检测的project：

在这里插入图片描述

再设置Model 预标注。填写后端服务url。validate and save会进行验证，验证通过就可以了。否则根据后端的报错日志进行调整。
在这里插入图片描述

打开待标注数据，会自动进行预标注并给出检测框

在这里插入图片描述

如果没有给出检测结果请查看后端日志。

数据设置本地存储

情景：现有一批标注好的语音-文本数据或者目标检测数据，需要批量导入预标注数据。需要将数据存储在本地某个位置，传入的json文件能直接读取该位置的文件：

第一种情况：所有环境在本机，没有使用docker的情况：

step1:
配置label studio：
export LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
export LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/data/huangchangbin/label_studio/local_data   # 你的本地文件路径Step2：
启动label studio

然后配置Settings的Cloud Storage：
在这里插入图片描述

然后将数据比如图片、语音上传到这个字目录中。在导入数据时需要设置路径格式：在这里插入图片描述

在这里插入图片描述

同理可以添加标注数据的存储目录。

第二种情景：使用docker部署的情况：路径要与docker内部的路径保持一致。

docker-compose.yml

services:nginx:image: heartexlabs/label-studio:latestrestart: unless-stoppedports:- "8086:8085"- "8087:8086"depends_on:- appenvironment:- LABEL_STUDIO_HOST=http://10.10.185.1:8086/foovolumes:- /data/label_studio/mydata:/label-studio/data:rwcommand: nginxapp:stdin_open: truetty: trueimage: heartexlabs/label-studio:latestrestart: unless-stoppedexpose:- "8000"environment:- LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/label-studio/data/localfile- LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true- LABEL_STUDIO_HOST=http://10.10.185.1:8086/foo- JSON_LOG=1- LOG_LEVEL=DEBUGvolumes:- /data/label_studio/mydata:/label-studio/data:rwcommand: label-studio-uwsgi

配置的时候要设置docker容器内的路径（从mydata操作或进入容器操作建目录、传文件）：
在这里插入图片描述

相关文章：

  • 网站页面一般做多大网站多少钱
  • 西安做网站建设哪家好佛山seo按效果付费
  • 出口外贸营销网站2023年8月新冠疫情
  • 香港云服务器哪个好seo技术教程博客
  • 招聘网站建设的目的郴州网站建设
  • 网页设计师月薪多少优化公司怎么优化网站的
  • ABP VNext + BFF（Backend for Frontend）模式：Angular/React 专用聚合层
  • 总结设置缓存的时机
  • 七天学会SpringCloud分布式微服务——01
  • 基于C#实现（WinForm）P2P聊天小程序
  • 操作系统---内存管理之虚拟内存
  • React性能优化：父组件如何导致子组件重新渲染及避免策略
  • 【JavaScript-Day 48】告别 Ajax，拥抱现代网络请求：Fetch API 完全指南
  • HarmonyOS开发基础 --面向鸿蒙的TypeScript基础语法一文入门
  • 深度解析！MySQL 与 Oracle 执行计划的硬核对比与实战攻略
  • 从iOS到Flutter：我的转型之路与技术成长启示
  • 死锁_(上)
  • BI财务分析 – 反映盈利水平利润占比的指标如何分析（下）
  • 用 Python 打造立体数据世界：3D 堆叠条形图绘制全解析
  • 中科米堆3D扫描逆向建模方案：汽车轮毂三维扫描抄数建模
  • 国产化条码类库Spire.Barcode教程：如何使用 C# 读取 PDF 中的条码（两种方法轻松实现）
  • Modbus 扫描 从站号、波特率
  • 02-Linux内核源码编译
  • 【WCF】单例模式的线程安全缓存管理器实现，给你的WebApi加入缓存吧
  • 【网络安全】从IP头部看网络通信：IPv4、IPv6与抓包工具 Wireshark 实战
  • Leaflet面试题200道