当前位置：首页 > news >正文

Label Studio 安装与简单使用指南

news 2025/11/7 10:24:46

一、Label Studio 简介与安装

什么是 Label Studio？

Label Studio 是一个开源的数据标注工具。它允许您通过简单直观的 UI 标注音频、文本、图像、视频和时间序列等多种数据类型，并可以导出为各种模型格式。它既可以用于准备原始数据，也可以改进现有的训练数据以获得更准确的 ML 模型。

官方github地址https://github.com/HumanSignal/label-studio

Label Studio官网https://labelstud.io/

label-studio官方教程https://labelstud.io/guide/get_started.html#Quick-start

Label Studio 的核心功能

多用户标注 - 注册和登录功能，创建的标注与您的账户关联
多项目管理 - 在一个实例中处理所有数据集
流线型设计 - 帮助您专注于任务，而不是软件使用
可配置的标签格式 - 可自定义视觉界面以满足特定标注需求
支持多种数据类型 - 包括图像、音频、文本、HTML、时间序列和视频
从文件或云存储导入 - 支持 Amazon AWS S3、Google Cloud Storage，以及 JSON、CSV、TSV、RAR 和 ZIP 存档
与机器学习模型集成 - 可视化和比较不同模型的预测，并执行预标注
嵌入数据管道 - REST API 使其易于成为管道的一部分

安装方法

1. 使用 Docker 安装（推荐）

# 拉取官方镜像
docker pull heartexlabs/label-studio:latest# 运行容器（容器名称为label-studio）
docker run -d --name label-studio -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest

安装完成后直接访问 http://localhost:8080 即可使用 Label Studio，localhost为Docker所在主机的IP地址。例如，在笔记本浏览器中输入 http://192.168.0.1:8080 即可访问。

Docker容器常用指令

# 1. 启动已停止的容器
docker start <容器名># 2. 停止运行中的容器
docker stop <容器名># 3. 重启容器
docker restart <容器名># 4. 查看运行状态
docker ps# 5.查看所有容器（包括已停止的）
docker ps -a# 6. 查看日志
docker logs -f <容器名># 7. 删除容器（需要先停止）
docker rm <容器名>

2. 使用 Docker Compose 安装

# 启动完整的生产环境（Label Studio + Nginx + PostgreSQL）
docker-compose up

3. 使用 pip 安装

# 要求 Python >= 3.8
pip install label-studio# 启动服务
label-studio

4. 使用 conda 安装

conda create --name label-studio
conda activate label-studio
pip install label-studio

5. 从源码安装（开发模式）

git clone https://github.com/HumanSignal/label-studio.git
cd label-studio# 安装依赖
pip install -e .# 初始化数据库
python label_studio/manage.py migrate# 启动开发服务器
python label_studio/manage.py runserver

二、Label Studio 简单使用教程

Label Studio 简单使用教程

1. 启动与初始化

成功安装后，访问 http://localhost:8080 会看到注册页面：

创建账号并登录后，进入主界面。

2. 创建项目

点击 "Create Project" 创建新项目：

项目名称：为项目起个有意义的名称
描述：简要描述项目用途

3. 配置数据导入

在 "Data Import" 选项卡中，选择数据导入方式：

从本地上传文件

支持常见格式：图片(.jpg, .png)、文本(.txt)、音频(.wav, .mp3)等

从URL导入

直接输入数据文件的URL链接

云存储连接

支持 AWS S3、Google Cloud Storage、Azure Blob 等

4. 配置标注模板

在 "Labeling Setup" 中配置标注界面：

使用预置模板

Label Studio 提供多种预置模板：

图像分类
目标检测
文本分类
命名实体识别
音频分类
时间序列标注

修改预置模板里的标签：

红框里的预置标签都可以删除，然后在左侧文本框里逐一输入自己的标签后点击 Add 按钮。

自定义模板

使用XML格式自定义标注界面：

<View><Image name="image" value="$image"/><RectangleLabels name="label" toName="image"><Label value="Person" background="green"/><Label value="Car" background="blue"/></RectangleLabels>
</View>

常用标签类型：

Labels - 分类标签
RectangleLabels - 矩形框标注
PolygonLabels - 多边形标注
Text - 文本显示
TextArea - 文本输入

设置好我们需要的标签之后，点击右上角的Save，就可以跳到以下界面准备开始标注了。

5. 开始标注

图像标注示例

对于目标检测任务：

选择矩形框工具
在目标物体上绘制边界框
选择对应的类别标签
保存标注结果

该界面左侧是我们要标注的图像，右侧会显示标注点的信息，这里先点击一下左下角的person标签，而后就可以在图像中人头的部位通过点击来进行标注了。整张图的人头都标注完成后，要点击下方的Submit提交已标注的数据，随后就会跳到下一张图像的标注界面。

6. 查看任务完成情况

这里会有所有任务的汇总，包括标注时间，是否完成，标注人员，标注数量等。

7. 导出标注结果

完成标注后，在 "Export" 选项卡中导出数据：

支持的导出格式：

JSON
CSV
COCO（用于目标检测）
Pascal VOC（用于目标检测）
YOLO
YOLOv8 OBB
自定义格式

示例导出代码：

# 在实际使用中通过Web界面导出
# 导出的JSON格式示例
{"id": 1,"annotations": [{"result": [{"value": {"x": 10, "y": 20, "width": 30, "height": 40,"rectanglelabels": ["Person"]}}]}]
}