深度学习任务有目标检测、图像分割、自然语言处理等，其中目标检测是很重要的部分，目标检测数据集是基础，虽然有很多现成的数据集可以使用，但是要想在别人没有涉及的领域做出成果，就需要制作自己的数据集，对图像的标注尤为重要，下面就开始介绍图像标注工具labelImg的使用
首先需要安装python环境，不管是原生python还是anaconda，都可以进行安装
软件打开之后界面如图所示：
深度学习图像标注左上角为坐标原点，向右是x轴正向，向下是y轴正向，用矩形区域圈起来图像中要标注的区域，大小要尽可能合适
点击open dir，选择图片所在文件夹
点击change save dir，选择标注结果文件所在路径
© 本文著作权归作者所有，转载前请务必署名
YOLO-World: Real-Time Open-Vocabulary Object DetectionAbstract你只看一次(YOLO)系列探测器已经确立了自己的高效和实用的工具。然而，它们对预定义和训练过的对象类别的依赖限制了它们在开放场景中的适用性。针对这一限制，我们引入了YOLO-W
Momentum Contrast for Unsupervised Visual Representation LearningAbstract我们提出动量对比(MoCo)用于无监督视觉表征学习。从对比学习[29]作为字典查找的角度出发，我们构建了一个带有队列和移动平均编码器的动态字典。这使得建立
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object DetectionAbstract我们提出了DINO(带改进去噪anchor box的DETR)，一种最先进的端到端目标检测器。DINO通过使用对比方法进行去噪
DETRs Beat YOLOs on Real-time Object DetectionAbstractYOLO系列已成为实时目标检测最流行的框架，因为它在速度和精度之间进行了合理的权衡。然而，我们观察到nnms对yolo的速度和准确性产生了负面影响。最近，端到端基于transformer的检测
YOLOv10: Real-Time End-to-End Object DetectionAbstract在过去的几年里，由于在计算成本和检测性能之间取得了有效的平衡，YOLOs已经成为实时目标检测领域的主导范式。研究人员已经对yolo的架构设计、优化目标、数据增强策略等进行了探索，并取得了显著进
