X-AnyLabeling 图像分类器使用指南：AI 预标注加按类导出，上万张图告别逐张手点

X-AnyLabeling 图像分类器使用指南：AI 预标注加按类导出，上万张图告别逐张手点

【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

手里攥着几千张图，每张都要归进某个类别，鼠标逐一点选实在熬不到天黑。X-AnyLabeling 的图像分类器就是为这种「整图打标签」场景准备的：它内置多类/多标签两种标注模式，能调用 AI 预标注数据集，还能一键把成品按类别整理成目录。本文带你走完整条图像分类标注链路。

打开分类器只要三步

这一节帮你解决「窗口在哪开、怎么进」的问题。

先在主窗口把要标注的图像目录加载进来，再做这两步：

• 点左侧工具栏里的图像分类器图标；
• 或者直接按Ctrl+3（macOS 上是⌘+3），这个快捷键写在配置文件 xanylabeling_config.yaml 的open_image_classifier一项里。

[!TIP] 窗口打开后主窗口会自动藏起来，关掉分类器时再恢复。如果最小化后在任务栏找不到它，用Alt+Tab（macOS：⌘+Tab）切回来就行。

进去之后是左右两块布局：左边放图像，顶部显示文件名 (当前页/总数)，已标过的图后面跟一个 ✅，没标的显示 ❌；选中某个类别时，类别名会实时浮在预览图右上角，不用来回瞈右侧列表。右边是操作区：最上方一排是 Export、MultiClass、MultiLabel、AutoRun 四个按钮，往下是类别复选框列表和五个维护入口（AI 辅助、添加/删除/编辑标签、数据统计），最底部是翻图导航条。

多类还是多标签？先选对模式

这一节帮你解决「标注规则怎么定」的问题，模式选错后面全是返工。

点一下顶部的 MultiClass / MultiLabel 即可切换，当前生效的模式会高亮。互斥约束由复选框组内部强制：勾中新项时其余项自动取消，所以你不用担心误勾出两个。

[!NOTE] 从 MultiLabel 切回 MultiClass 时，软件不会自动清掉图片上多余的选择，需要你自己逐张挑出要留的那一个。

让 AI 先跑一遍：两条预标注路线

这一节帮你解决「冷启动怎么提速」的问题。

路线一：自动分类模型。YOLOv5-Cls、YOLOv8-Cls、YOOLO11-Cls、InternImage 这四个分类模型可以直接给整图打标签，产出的结果只含类别信息、不带形状和描述，正好是分类器要的形式：

启动时可以用--flags直接塞入类别清单，省得进软件后再传文件：

python anylabeling/app.py --flags Apple,Meta,Google python anylabeling/app.py --flags flags.txt # 文件每行一个类别

路线二：多模态大模型。先照 聊天机器人文档 配好模型，再点类别区右上角的魔法棒图标打开 AI 对话框，逐图让它给出建议：

软件内置一套提示词模板，会根据当前模式自动换指令：MultiClass 下要求「Set exactly ONE category to 'true'」，MultiLabel 下要求「Set ALL applicable categories to 'true'」，类别列表以 JSON 数组注入其中，你也可以照着自己的任务改写：

@image Available Categories: ["husky", "psyduck", "ragdoll"] Set exactly ONE / ALL applicable categories to 'true' {"husky": false, "psyduck": false, "ragdoll": false}

另外，顶部的 AutoRun 按钮可以调用已配置的 AI 模型把整个目录批量跑完，跑完你只管逐张复核就行。

标签的增删改与快速筛选

这一节帮你解决「类别体系不顺手」的问题。

类别列表上方有搜索框，不区分大小写，多个关键词用空格隔开，名称里全部包含才算命中；搜索只控制显示，不会改动勾选状态，清空输入即恢复全列表。

• 添加：手工输入时每行一个名称，也可以点上传按钮导入像 classes.txt 那样每行一个标签的文本文件；提交前会自动做非空、去重、内部重复三层检查，且不允许与已有标签撞名。
• 删除：列表里勾选一个或多个标签，点删除，确认框里会列明即将移除的条目，随后所有相关标注文件里的对应内容都会被清掉。
• 编辑：以两列表格呈现，左列是现名（只读），右列直接双击输入新名，保存前校验新名非空且各行互不重复。

翻图、跳漏标、看分布

这一节帮你解决「标注节奏和全局把控」的问题。

底部导航条上，左右箭头翻上一张/下一张，中间的页码框输入数字按回车可直达指定页。键盘上还有更顺手的：

点「数据统计」能看到 Total / Labeled / Unlabeled 三项总量，下方是各标签频次的横向条形图，按频次从高到低排，条目后带数量和百分比，标签名过长会截断、悬停可看全名。用它扫一眼，漏标和类别失衡一眼就能揪出来。

按类导出与 flags 存储

这一节帮你解决「成果怎么落地」的问题。

顶部的 Export 按钮把已分类的图片复制到对应类别目录，原图原封不动；目标目录默认是classified，弹窗里可以改到任意位置。同名文件已存在时直接跳过：

classified/ ├── husky/ │ └── husky_playing.jpg ├── psyduck/ │ └── psyduck_swimming.png └── ragdoll/ └── ragdoll_grooming.jpg

[!NOTE] Export 依赖每张图唯一的true标签来定归属，所以只在 MultiClass 模式下可用。导出前请确认主窗口开了自动保存；没开的话先返回主窗口保存，再回来导出。

底层存储很直白：每张图对应的标签文件里，flags字典记下每个类别的布尔值——

{ "flags": { "husky": true, "psyduck": false, "ragdoll": false }, "imagePath": "husky.png", "shapes": [] }

写入时只更新flags，description、shapes、tags等其余字段都原样保留，所以分类结果和主窗口的自动标注互相兼容，来回不丢东西。

串成一条流水线

这一节帮你把前面的零件拼成标准作业流程，照着勾完就能交付：

• 主窗口加载图像目录，用--flags或Upload -> Upload Image Flags File定好类别
• 选定 MultiClass / MultiLabel 模式
• 跑 AI 预标注：分类模型批量处理，或魔法棒逐图调用大模型
• 键盘流复核：A/D 翻图，Ctrl+A/Ctrl+D 只盯漏标的
• 顺手维护类别：添加 / 删除 / 编辑标签，搜索框辅助定位
• 数据统计里核对 Labeled 与标签分布
• 确认自动保存开启后点 Export，拿到classified/目录交付训练

最后记住三件事：模式先想好再动手，AutoRun 能替你干掉大部分体力活，一切标注的归宿都是flags字段。想继续深入，可以读一读 用户手册 里的保存标签数据一节。

【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