Label Studio 数据标注实操：从装起到 COCO 导出跑通图像拉框全流程

Label Studio 数据标注实操：从装起到 COCO 导出跑通图像拉框全流程

【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio

手里有 2000 张路侧截图，要给每辆车、每个人框出位置，最后还要一份能直接喂给训练脚本的标注文件。这类需求用 Label Studio（一款开源的多类型数据标注工具）基本是个"标准动作"：装起来、建项目、导入数据、画框、导出 COCO 格式（一种目标检测领域通用的 JSON 标注格式），整条链路半小时内能走通一遍。

两行命令把服务拉起来

新手最短路径是 pip 安装，前提是准备一个干净的 Python 3.8+ 虚拟环境，避免依赖打架：

pip install label-studio label-studio start my_project --init

--init会顺手初始化一个项目，服务起完浏览器自动打开http://localhost:8080。默认账号和访问令牌打印在控制台里，记下来——后面调 API 要拿这个令牌当密码。

不想折腾 Python 环境就用 Docker 单容器，数据落在本地mydata目录，重启不丢：

docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data \ heartexlabs/label-studio:latest

团队共用、要持久化数据的话，仓库根目录的 docker-compose.yml 已经配好 nginx + 应用 + PostgreSQL 三个容器，docker compose up -d即可。

建项目，给一份最小的拉框配置

进项目列表点 New Project，填个名字，关键是Label Config（标签配置，用 XML 描述标注界面）这一步。图像拉框最小可用版：

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

$image对应任务数据里的image字段，标签名照业务改就行。不想手写 XML 就选预置模板，label_studio/annotation_templates/ 目录下按领域分了十几个类别，每个模板都带示例数据，选模板比从零配快。完整标签说明见 docs/source/guide/setup.md。

把一摞图片批量导进来

图片、音频、视频类数据必须用 URL 引用导入（文本类可以直接存内容），最常见的做法是一个 JSONL 文件，一行一个任务：

{"image": "https://your-cdn/img/0001.jpg"}

在项目的 Data Manager 页面点 Import 上传这个文件即可。如果图片在本地或对象存储，更稳的做法是配置 Source Storage（云/本地存储挂载）直接引用目录，官方明确不建议大图走 UI 上传，详见 docs/source/guide/tasks.md。文档里还有条实用建议：单个项目控制在 10 万任务以内性能比较舒服，实验阶段更不必全量导。

画第一批框，看一眼导出结果

导入后进标注页，鼠标拉框、右侧选标签、回车提交，任务间用 Enter 翻页。画几张之后直接点右上角 Export，选 COCO 下载：

拿到的是标准 COCO JSON，annotations里的坐标是相对图像尺寸的比例值（0~1），不是像素，转换脚本自己注意一下单位。不想用 UI 也可以命令行导出，方便挂到数据流水线里：

label-studio export 1 COCO --export-path=./coco.json

格式不止 COCO，同一份标注还能导 YOLO、Pascal VOC、JSON 等十几种，清单在 docs/source/guide/export.md。

跑通之后顺手能加的东西

• 🤖模型预标注：挂一个 ML Backend（独立的预测服务）后，打开任务会先显示模型预测的框，人只负责修正，2000 张的活量能砍一大半。教程入口 docs/source/guide/ml.md
• 📝换模态：同一套流程换成<Text>+<Labels>就是实体识别，换成<Audio>就是语音转写，配置语法通用
• 🛠批量操作：Data Manager 支持按列筛选、批量复制标注、抽样重标，复核阶段用得上

先拿 50 条样本把"导入 → 画框 → 导出"走一遍，确认导出的坐标单位、标签名和你的训练脚本对得上，再全量导入。全量数据直接怼进去，格式错了返工成本更高。

【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio