labelimg已经不再维护了， 原团队开启了新项目label-studio， 比labelimg功能更强大。 文章主要讲讲怎么用label-studio完成图片标注。 安装 安装非常的简单 pip install label-studio 完整的官方安装文档如下: 安装文档 安装需要注意的是截止2026/2/5日， label-studio版本v1.22.0, 只支持python3.13和更低一点的版本。 如果装了python3.14或者更高版本，启动时就会报错 安装完通过以下命令即可启动 label-studio start 引用本地图片资源 直接启动的label-studio, 标注完导出yolo格式训练数据的时候， 是不带源图片的， 非常的不方便。 由于安全问题， label-studio开发团队不希望直接接管本地的图片资源。 所以需要另外开启这个功能。 安全问题的讨论可以看这个issue: label-studio导出yolo不包含源图片问题 开启方法是设置一个额外的环境变量 windows: set LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true set LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=C:/test_yolo/datasets(实例， 改为你实际路径) linux: export LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true export LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=C:/test_yolo/datasets(实例， 改为你实际路径) 设置完环境变量后， 重新启动即可 使用 label-studio启动后， 会打开一个网页, 因为这本来也是一个web项目。 新建项目 起一个贴切的项目名 然后选择图片标注的标注模版 可以把默认的label删了， 再增加你自己的label 创建完项目后，开始导入标注图片, 两种方法都可以， connect cloud storage更方便一点 选择local files 起一个贴切的资源名, 下边的资源路径要是前面设置的LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT的子目录， 原因还是安全问题， 所以限定了label-studio只能访问特定目录的资源。 导入资源配置，Import Method选files就行了， 你有预设过的json这些配置才选Tasks， 其他的基本不用改， 有特殊的后缀文件， 就在下边的正则里加上对应的导入后缀。 点Save & Sync, 开始同步图片资源。 结束后， 即可开始标注。