qsLabels — YOLO 高颜值+高性能训练标注工具
qsLabels 是一款桌面端 YOLO 模型训练与数据标注工具，支持多种标注模式、AI 辅助标注、模型训练、推理验证和模型导出，适用于计算机视觉领域的目标检测、实例分割、姿态估计、旋转框检测和图像分类任务。
功能概览
1. 多模式数据标注
支持 5 种 YOLO 标注模式，覆盖主流计算机视觉任务：
- Detect（目标检测）：矩形框标注，生成 YOLO 格式 txt 标签
- OBB（旋转框检测）：支持带角度的旋转矩形框标注
- Seg（实例分割）：多边形标注，生成分割掩码
- Pose（姿态估计）：关键点标注，支持自定义关键点数量
- Cls（图像分类）：图像级别分类标注
2. AI 辅助标注
通过与 Python 后端服务通信，提供智能标注能力：
- SAM（Segment Anything Model）：点击/框选自动生成分割掩码，支持正负点交互
- YOLO 自动检测：使用已训练模型批量预标注 (后续推出)
3. 模型训练
内置完整的 YOLO 训练界面：
- 支持 Ultralytics 和 YOLOv5(后续推出) 两种训练框架
- 支持 Detect / OBB / Seg / Pose / Cls 五种任务类型训练
- 可配置训练参数：epochs、batch size、图像大小、设备选择、优化器等
- 高级参数：学习率、动量、权重衰减、warmup 等
- 超参数调节：数据增强参数（HSV、翻转、Mosaic、MixUp 等）
- 断点续训（Resume）支持
- 实时训练日志输出（内置终端）
- 训练过程图表可视化（loss、mAP 等指标）
4. 模型推理验证
5. 模型导出
- 通用格式转换（ONNX、NCNN 等）
- 导出日志实时输出
- 预留 NCNN 转换
6. 数据集管理
- 数据集分割：按比例自动划分训练集/验证集，生成
dataset.yaml
- 负样本管理：支持添加无标注的负样本图片
7. 项目管理
- 文件夹式项目管理，支持多种图片格式（JPG、PNG、BMP、WebP、TIFF）
- 类别管理：自定义类别名称和颜色
- 文件状态追踪：已标注/未标注筛选
- 按类别筛选文件
- 自然排序文件列表
8. 模型管理器
- 内置预训练模型库，覆盖 YOLOv3 ~ YOLO26 全系列
- 支持一键下载官方预训练模型
- 断点续传下载管理器，支持暂停/恢复/取消
- 下载进度实时显示
9. 画布与交互
- 基于 Konva 的高性能画布渲染
- 图像缩放/平移/拖拽
- 辅助线显示（可配置颜色和自动缩放）
- 标注框粗细、字体大小、锚点大小可调
- 键盘快捷键支持（高效标注工作流）
- 标注选中高亮与编辑
10. 系统与环境
- 跨平台支持：Windows / macOS / Linux
- Python 环境管理与检测
- GPU/CUDA 设备检测与选择
- 系统信息获取（CPU、内存、GPU 等）
- 应用配置持久化
11. 其他功能
- 深色/浅色主题切换
- 内置 Shell 终端（xterm.js），支持实时命令执行与 ANSI 颜色输出
- 新手引导（driver.js）
支持的 YOLO 模型
框架 |
模型系列 |
|---|
Ultralytics |
YOLO26、YOLO12、YOLO11、YOLOv10、YOLOv9、YOLOv8、YOLOv5u、YOLOv3 |
YOLOv5（后续推出） |
YOLOv5 (n/s/m/l/x, 含 6 系列) |
每个系列均提供 n/s/m/l/x 不同规模的预训练权重，部分系列支持 det/seg/pose/obb/cls 多任务变体。
