实验一：Doccano的安装¶

1️⃣ 安装 Python¶

官网：https://www.python.org/downloads/macos/

• 下载 Python 3.10.5（推荐3.9.x或3.0.x）

• 双击 .pkg 安装，一路 Next 即可

• 验证安装：使用Mac的 “终端” 软件

  python3 -V
  pip3 -V
  

如果显示版本号，说明成功

2️⃣ 创建独立实验环境¶

• 创建虚拟环境：

  mkdir doccano_env
  cd doccano_env
  python3 -m venv doccano
  

• 激活虚拟环境：

  source doccano/bin/activate
  

• 命令行前面变成：

  (doccano) MacBook:doccano_env user$
  

3️⃣ 安装 Doccano¶

• 升级 pip

  pip install --upgrade pip
  

无报错即可

• 安装 doccano

  pip install doccano -i https://pypi.tuna.tsinghua.edu.cn/simple
  

  等待安装即可

4️⃣ 依赖版本固定¶

pip install "marshmallow<3.24.0" \
            "numpy==1.26.4" \
            "pandas==2.1.4" \
            -i https://pypi.tuna.tsinghua.edu.cn/simple

5️⃣ 初始化 Doccano¶

doccano init
doccano createuser --username admin --password 123456

• 成功后会生成：

  doccano/
  

6️⃣ 启动任务队列¶

• 先确定当前所在的目录（路径），防止下一步新终端中找不到路径：

  pwd
  

• 启动任务队列

  source doccano/bin/activate
  doccano task
  

7️⃣ 启动 Web 服务¶

• 开启一个新终端（command N），需要进入刚刚的文件位置

  cd /Users/wzzzz/work/ai_lession/doccano_env ##刚刚pwd命令得到的路径
  
  source doccano/bin/activate
  doccano webserver --port 8000
  

8️⃣ 访问 Doccano¶

• 浏览器打开：

  http://127.0.0.1:8000
  

• 账号密码：

  admin
  123456
  

实验三：labelImg + YOLO¶

1️⃣ 创建独立实验环境¶

• 创建虚拟环境：

  mkdir yolo_env
  cd yolo_env
  python3 -m venv yolo
  

• 激活虚拟环境：

  source yolo/bin/activate
  

• 命令行前面变成：

  (yolo) MacBook:yolo_env user$
  

2️⃣ labelImg安装和标注¶

下载素材¶

下载链接

• 将素材包解压到当前目录：

  • 直接在访达中把素材文件夹拖到终端，可以获得素材文件路径
  • pwd获得当前工作目录

    # mv 素材文件夹路径 工作目录
    mv /Users/wzzzz/Downloads/task3 /Users/wzzzz/work/ai_lession/yolo_env/
    

• 确认：

  ls
  

安装 labelImg¶

• 安装 labelImg

  pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple
  

  等待安装即可

• 启动 labelImg

  labelimg
  

标注操作¶

• 与原教程一致
• 打开需要标注的目录00_data_for_label,将VOC模式切换为YOLO模式后开始标注

3️⃣安装 YOLO（ultralytics）¶

• 激活虚拟环境：

  ##确保在工作目录
  source yolo/bin/activate
  

• 安装 ultralytics

  pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple
  

4️⃣训练模型¶

cd task3
python train.py

5️⃣基于大模型的预标注¶

python pre_label.py

6️⃣实现实时追踪¶

python track.py