X-AnyLabeling 图像标注工具快速上手：从安装到 YOLO 格式导出只需 4 步

【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, point cloud and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.项目地址: https://gitcode.com/gh_mirrors/xa/X-AnyLabeling

手头有一批图片或视频，需要变成能喂给训练框架的标注数据？X-AnyLabeling 图像标注工具把这件事整合在同一个桌面应用里完成：手工画框、让 AI 模型自动预标注、把结果导出成 YOLO / COCO / VOC 等格式，全在一处操作，不用在多个工具之间来回倒数据。它支持 Windows、Linux 和 macOS，界面可选中文、英文、日文、韩文，对标注新手比较友好。

第一步：把它装到电脑上

先建一个干净的 Python 环境

X-AnyLabeling 要求 Python 3.11 及以上，官方推荐 3.12。用 conda 建一个环境最直接：

conda create --name x-anylabeling python=3.12 -y conda activate x-anylabeling

按你的使用场景选一种安装方式

• pip 安装：只想用它标注数据，不想碰源码，装官方包即可：pip install "x-anylabeling-cvhub[cpu]"（有 NVIDIA 显卡就装[gpu]版本，模型推理会快很多）。
• 源码克隆：想用视频目标追踪、Ultralytics 一键训练这类进阶功能，需要先克隆仓库git clone https://gitcode.com/gh_mirrors/xa/X-AnyLabeling，进入目录后执行pip install -e ".[cpu]"。
• GUI 安装包：完全不想碰命令行的话，可以直接下载对应平台的 GUI 安装包解压使用，代价是功能更新会滞后于源码版，出问题也不好排查。

装完先验证，再启动

xanylabeling checks # 检查系统和依赖是否就绪 xanylabeling # 启动图形界面

checks命令会把 Python 版本、ONNX Runtime 等关键信息打印出来，环境有问题在这一步就能发现。

第二步：导入数据，打开第一张图

一键导入整个图像目录

界面打开后，按Ctrl+U选择你的图片文件夹。目录里的图像会被全部载入右侧文件列表，子目录中的图片也会一并导入——你不需要先手动把几百张图拷到一起。单张图调试用Ctrl+I打开即可，支持 jpg、png、bmp、webp、tif 等常见格式。

视频可以直接拖进来

按Ctrl+O打开 mp4、avi、mov、mkv 等视频文件，工具会按帧拆开逐帧处理。这对多目标跟踪、视频分割类任务很实用：同一帧里的对象可以用相同的group_id关联起来，导出 MOT 格式时轨迹信息就是现成的。

随时切换输出位置

标注 JSON 默认存在图片所在目录，想分开存放时，按Ctrl+Shift+S或走「文件 → 更改输出目录」，之后所有标注都写到新位置。

第三步：完成你的第一次标注

用快捷键画出各种形状

左侧工具栏对应每种形状，都有快捷键。最常用的几个：

画完第一个对象会弹出标签编辑框，输入类别名（支持模糊搜索）。如果这一批图里类别固定，可以提前准备一个每行一个类别的.txt文件，通过Upload → Upload Label Classes File上传，之后打标签就是选而不是敲。

多边形太累？让画笔代劳

逐点画长轮廓的多边形很痛苦。按Ctrl+N进入画笔模式，鼠标贴着目标边缘移动，工具会自动添加顶点，回到起点附近自动闭合，一个不规则轮廓几秒钟搞定。想要更粗暴的效果，还有魔术棒（Shift+W）：按住左键拖动可圈出颜色连通的区域，右键确认直接生成多边形。

画错了就切到编辑模式修

按Ctrl+J在绘制模式和编辑模式之间切换。编辑模式下点击任意对象选中它，然后：拖角点调大小、拖顶点改形状、Delete删掉、Ctrl+Z撤销、Ctrl+D快速复制一份。密集图里不好选对象时，按Ctrl+Shift+C可以让工具逐个自动选中，配合Ctrl+Shift+N逐个放大居中查看细节，检查标注质量比一张张肉眼扫快得多。

第四步：让 AI 模型帮你预标注

纯手工标注几百张图不现实，这正是 X-AnyLabeling 的核心卖点：内置了一批预训练模型，选一个、点运行，框就出来了。

单张图试跑

在上方模型列表里选一个，比如YOLO11，按I（或点 Run 按钮）跑当前图。模型第一次使用时会自动下载权重，框会带着置信度直接画在图上——不满意的框删掉，位置不对的拖一下，比从零画省一大半时间。

满意后批量跑整批

确认当前图的效果没问题，按Ctrl+B把模型跑完整个目录。跑完你再逐张微调，最后用Ctrl+Alt+K把检查通过的图片打绿点标记，文件列表里一眼能看出哪些还没过审。

想用自己的模型？

支持接入自定义模型（ONNX 等），把模型和一份 YAML 配置放进anylabeling/configs/auto_labeling/即可被识别，详细写法见 自定义模型文档。

第五步：检查、保存与导出

标注是自动保存的 JSON

每张图对应一个同名 JSON，存在图片目录（或你指定的输出目录）下，默认自动保存，不用惦记存盘。JSON 里包含label、points、shape_type、attributes等字段，结构稳定，直接当中间数据源也没问题。想验证内容，随便打开一个看即可。

导出成你训练框架要的样子

点顶部「导出」按钮，选择任务格式，按提示上传类别文件（YOLO/COCO 等格式需要一份每行一个类别的classes.txt），确认后工具会把整个目录的标注转好：

反过来也支持导入：已有别的工具的标注，点「上传」选择对应格式，就能接着在 X-AnyLabeling 里编辑。YOLO 格式有一个坑要注意：.txt标注文件别和图像放在同一目录，否则导入时容易混淆。

大项目用 CLI 批量转换

上千张图、或者要反复在格式之间倒，用命令行更省事。先看看支持哪些任务：

xanylabeling convert # 列出全部转换任务 xanylabeling convert xlabel2mots # 查看某个任务的用法

完整参数说明在 命令行界面文档。

进阶：几个高频效率技巧

支持的任务远不止检测

X-AnyLabeling 覆盖的任务可以概括成一张表，每种任务都有对应的示例数据目录：

3D 点云标注是 2026 年新增的功能，支持 KITTI 格式的检测与分割：

标签管理器：类别改名、清错、调颜色一次完成

标到几百张之后，你可能想把car全部改名成vehicle，或者清掉一个误用的类别。Alt+L打开标签管理器，勾选对应类别，限定文件范围后执行删除或重命名；同一个窗口里还能控制各类别的显隐、锁定（防止误改已完成标注）、调整显示颜色。

数据总览：交付前先看一眼分布

「工具 → 数据总览」（Ctrl+G）能看到每个类别的标注数量、各形状类型的分布，还能导出 CSV 统计报告和类别列表压缩包。交付数据集前跑一遍，哪种类别明显偏少、哪类形状混进错了，直接暴露出来。

设置页：快捷键和外观都能改

Ctrl+0打开 Settings，几乎所有默认行为都能调：快捷键冲突可以直接重映射，标签颜色、形状边框填充、十字线样式在这里改；「自动切换编辑模式」「悬浮自动高亮」这类行为开关也都在 General 页里。界面语言在顶部「语言」菜单切换，切完会自动重启（记得先存好标注）。更多选项可以手动编辑用户目录下的.xanylabelingrc，改完重启生效。

到这里，从装环境到导出训练数据的主流程就走完了。日常高频快捷键一共就Ctrl+U导入、R/P/O画形状、Ctrl+J切模式、A/D翻页、Ctrl+B批量跑模型这几个，混个几天就成肌肉记忆。遇到具体问题，仓库里的 用户手册 和 常见问题 覆盖得很细，值得留一个书签。

【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, point cloud and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.项目地址: https://gitcode.com/gh_mirrors/xa/X-AnyLabeling