一个基于YOLO模型的图像自动标注工具，支持项目管理、自定义标签和人工复判功能，帮助用户高效完成目标检测数据集的标注工作。

• 完整的项目管理：支持新建、打开、保存和另存项目
• 自定义标签系统：可定义自己的目标类别及对应颜色
• 自动标注：利用YOLO模型自动生成目标检测框
• 人工复判：支持对自动标注结果进行手动调整和确认
• 批量处理：可批量处理图片并导出标注结果
• 进度跟踪：实时显示处理进度，支持断点续传

• Python 3.13 或更高版本
• 支持 Windows、macOS 和 Linux 操作系统

1. 克隆或下载本项目代码库

2. 使用 uv 包管理器安装依赖（推荐）：

   # CPU版本
   uv sync --extra cpu
   
   # CPU版本
   uv sync --extra cuda
   

1. 创建新项目：

   • 点击菜单栏"项目" -> "新建项目"
   • 输入项目名称和标签（用逗号分隔）
   • 选择项目保存路径

2. 配置项目：

   • 选择图片目录：包含需要标注的图像文件
   • 选择YOLO模型文件（.pt格式）
   • 设置输出目录：用于保存标注结果

3. 开始自动标注：

   • 点击"开始处理"按钮启动自动标注
   • 程序会使用选定的YOLO模型对图片进行批量处理

4. 人工复判（可选）：

   • 如需人工检查，在配置中勾选"需要人工复判"
   • 对自动生成的标注框进行调整、添加或删除
   • 确认无误后点击"完成标注"进入下一张

5. 导出结果：

   • 可点击"保存当前标注"保存单张图片结果
   • 或点击"导出所有结果"批量导出所有处理好的标注

• Ctrl+N：新建项目
• Ctrl+O：打开项目
• Ctrl+S：保存项目
• Ctrl+Q：退出程序
• Enter：完成当前图片标注
• Delete：删除选中的标注框

• ui.py：主界面和用户交互逻辑
• project.py：项目管理类，处理项目的保存和加载
• main.py：程序入口点
• pyproject.toml：项目依赖配置

导出的标注结果采用YOLO格式：

• 每个图片对应一个.txt文件
• 每行表示一个目标：class_id center_x center_y width height
• 坐标值为相对于图片宽高的归一化值

1. 无法加载模型：请检查模型文件路径是否正确，确保使用的是YOLO格式的.pt模型文件

2. 处理速度慢：如果有NVIDIA显卡，建议安装CUDA版本以提高处理速度

3. 图片无法显示：请确保图片路径正确且图片格式受支持（支持.jpg, .jpeg, .png, .bmp, .gif）

4. 项目保存失败：检查保存路径是否有写入权限

本工具基于以下开源项目开发：

• Ultralytics YOLO：提供目标检测模型支持
• PySide6：提供GUI界面支持
• OpenCV：提供图像处理支持