X-Anylabeling
（1）下载
Github: https://github.com/CVHub520/X-AnyLabeling
（2）安装依赖包
GPU版本pip install -r requirements-gpu.txt
CPU版本pip install -r requirements.txt
（3）生成资源
pyrcc5 -o anylabeling/resources/resources.py anylabeling/resources/resources.qrc
（4）运行应用程序
python anylabeling/app.py
（5）创建自己的模型
训练好的模型pt文件转成onnx文件，建立yaml文件
type: yolov8
name: yolov8s-r20230415
display\_name: YOLOv8s Ultralytics
model\_path: C:/Users/Administrator/anylabeling\_data/models/My yolov8n-r20230415/yolov8s.onnx
confidence\_threshold: 0.45
input\_height: 640
input\_width: 640
nms\_threshold: 0.45
score\_threshold: 0.5
classes: ["normal"]
将yaml文件中model\_path字段设置为 onnx 模型所在的绝对路径。放在C:\Users\Administrator\anylabeling\_data\models,如图所示：
（6） 打开源码，python anylabeling/app.py打开软件，打开文件夹，更改输出目录
自动→下拉选择模型→点击加载自定义模型→yolov8s.yaml,出现（用户）YOLOv8s Ultralytics，如图所示：
点击开始图标→一次运行所有图片，
自动标注完成后，部分标签需要手动修改。
修改完成后，导出标签格式
