ARTICLE · 1066782

告别LabelImg这套AI标注工具安装只要一行命令

发布时间：2026-09-24 01:32:49 最近访问：2026-09-24 01:32:34

📌 本文速览：5 分钟，6 张图，从一行 git clone 到第一张 AI 出框标注。文末附三个高频报错的解法。

第一篇我们差点把显示器砸了，上一篇又拆完了文本出框的原理，今天我们把它真正跑起来。

环境装不上、权重下不动、命令行一堆红字——这套心理阴影，相信做算法的同学都有过。VisionForge 的目标就是让你忘掉这一切。下面这 5 分钟，我会带着你从一行命令一路敲到第一张 AI 出框的标注图，中间所有报错我都提前替你踩过一遍。

代码全部开源，仓库地址先放这里，边看边对着 clone 就行：

🔗 https://github.com/ASH1b1/VisionForge

前置清单

打开桌面右击「此电脑」看一眼，把这些提前备好：

Windows 10 / 11（64 位）
Git（用来拉取代码）
Anaconda 或 Miniconda（用来管 Python 环境）
8GB 起步的内存；有 NVIDIA 显卡会快很多，没有也能跑（装 CPU 版依赖即可）

少一个？去官网装一下就行，整个过程 10 分钟。

Step 1 · 获取代码

不用在公众号后台翻关键词，代码就在 GitHub 上：

# 在你想存放工程的目录下打开终端  git clone https://github.com/ASH1b1/VisionForge.gitcd VisionForge

看到一堆文件列表刷出来，最后一行写着 Receiving objects: 100%，就说明代码下来了。这一步没坑，唯一需要注意的是路径里别带中文，否则后面 import 会哭。

顺手点个 ⭐️ 就当给作者续命了。

Step 2 · 一键建环境

接下来几行命令，把 Python 装好、把依赖装好：

# 创建一个干净的独立环境     conda create -n visionforge python=3.10 -yconda activate visionforge    # 先装公共依赖，这一步会跑 3-5 分钟，泡杯茶  pip install -r requirements.txt

装完公共依赖后，按你的机器选一份运行时：

# 没有 NVIDIA 显卡（默认、推荐先跑通）pip install -r requirements-cpu.txt    # 有 NVIDIA 显卡，走 GPU 版    pip install -r requirements-gpu.txt

这里解释一下 / 的拆分：requirements.txt 放 PySide6、numpy、opencv、transformers 这些人人要用的东西；requirements-cpu.txt / requirements-gpu.txt 才是 torch 的 CPU / CUDA 分支。这样拆的好处是你不需要为了试一下这个工具，就在一个 800MB 的 CUDA 包上耗半小时。

这一步最容易在 pip install 阶段飘红，如果遇到网速问题，加一个国内源：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

Step 3 · 下 Grounding DINO 权重

VisionForge 目前的模型是「两个检测器选一个 + 分割可选挂」：

GroundingDINO（文本提示，必备）：第一次跑只下它就够，不到 900MB；
自定义 YOLO ONNX（选装）：你训练机导出的 .onnx，拿来跑封闭集预标；
SAM3（选装）：要精细抠边、点选修正才需要，权重约 3.3GB。

第一次跑我们只下 GroundingDINO 那一块就行：

# 在 VisionForge 根目录下执行   mkdir -p models\grounding_dino      # 推荐用 huggingface-cli，断点续传（Windows 下用 ^ 换行）    pip install huggingface_hub    huggingface-cli download IDEA-Research/grounding-dino-base ^    --local-dir models\grounding_dino\models--IDEA-Research--grounding-dino-base ^  --include ”*.safetensors” ”*.json” ”*.txt”

⚠️ 路径里的 models--IDEA-Research--grounding-dino-base 这串名字必须一模一样，包括两个横杠、首字母大写、空格都不能有。

下完之后目录结构应该是这样：

models/grounding_dino/models--IDEA-Research--grounding-dino-base/snapshots/12bdfa3120f3e7ec7b434d90674b3396eccf88eb/model.safetensors

💡 这一长串 12bdfa3120f3e7ec7b434d90674b3396eccf88eb 是 HuggingFace 模型仓库的 snapshot commit hash（提交哈希）——可以理解为「这份权重在某个时刻被冻结的版本号」。VisionForge 锁定了这个版本，好处是今天标的数据，明年再加载还是同一份模型（实验可复现）；代价是 HuggingFace 上游权重如果更新，本地这份会变陈旧，需要手动同步新哈希——下篇避坑指南会专门讲这里面的门道。

最后那一长串哈希路径也得完整存在。如果你的目录里只有 models--xxx-base/ 但没有 snapshots/xxxxx/ 这一层，启动时一定会报「Snapshot not found」。

💡 想用 SAM3 的话，把权重放到 models/sam3/sam3/sam3.pt（约 3.3GB），程序里再按需加载就行——没放它也不影响启动，只是点选分割用不了。

第一次启动

回到工程根目录，双击启动.bat。

第一次双击 Windows Defender 一定会弹「无法识别的应用」，点「更多信息」→「仍要运行」就行——所有本地脚本都会触发这个，不是病毒。第一次冷启动会等 10-20 秒，等右下角托盘出现 VisionForge 的小图标，就成功了。

启动.bat 里已经替你设好了 KMP_DUPLICATE_LIB_OK=TRUE，PyTorch 和 SAM3 各带一份 OpenMP 导致的 OMP Error #15 不会再冒出来。

第一张标注：5 秒出框

顶部菜单栏“文件（F）”→“打开图片目录”批量或者打开任意一张图片

选择菜单栏“工具（T）”→“自动标注”

在“文本提示”框中敲入：

person, car

同时勾选“同时生成多边形”

运行。

等待一段时间后画面上应该看到检测框：人用绿色框，车辆用红色框。这就是 VisionForge 第一个卖点——文本提示出框，完全不用手动画。

接下来是这一版新增的两件事，值得单独体验一下：

① SAM3 点选修正

点选“矩形标注工具”，先给目标绘出标注框，随后使用“SAM点选工具”点击框内目标物，会实时给你一个贴边的多边形；不满意就 Backspace 退掉最后一个点，满意按 Enter 写回标注——整个会话只记一次撤销，Ctrl+Z 一步退回。

② 拖顶点微调

切回选择工具，点中一个多边形标注，会浮出顶点，直接修改。双击某条边可以插入顶点，Delete 删掉选中的顶点。

最后点导出。导出菜单现在分四个 YOLO 任务：检测 / 分割 / 姿态 / OBB，选「YOLO 检测」得到 .txt + 同名图片 + data.yaml，齐活；标了关键点或旋转框的，选对应那一项即可。

想省事？挂一个自己的 YOLO 预标

如果你手上已经有一批固定类别的模型，其实可以不敲 prompt。在训练机把模型导出成 ONNX：

yolo export model=best.pt format=onnx

把 best.onnx 和（如果有）data.yaml 丢到一起，回到 VisionForge：模型 → 加载自定义 YOLO → 选这个.onnx，然后直接跑预标。

几个设计上的取舍值得说明：

标注机不需要装 ultralytics。我们只吃 ONNX，推理走 onnxruntime（可选依赖，缺了程序照样启动，只是这个功能用不了）；
类别名优先从 ONNX metadata 的 names 读，其次读同目录的 data.yaml，都读不到就退化成 class_0…，再和工程现有类别对齐；
只支持默认检测导出（图内无 NMS），别加 nms=True，也不要用姿态 / OBB 的 ONNX 来做预标——那是导入导出链路的事，不是预标链路的事；
预标结果先进 Detect 预览层，你看过、调过阈值再「转入标注」，不会偷偷改你的 .gsproj。

为什么不用 .pt？因为 .pt 需要完整的 ultralytics 运行时，一个标注工具为此背上训练框架的依赖链并不划算。ONNX 是个干净的边界：训练归训练，标注归标注。

卡住怎么办？三个高频报错

装环境不可能一次就过，下面这三个错，90% 的初学者都会遇到。

报错 ① OMP: Error #15: Initializing libiomp5md.dll

这是 PyTorch 跟 SAM3 撞库了，两份 OpenMP 运行时同进程冲突。先确认你是从启动.bat启动的。

如果绕过启动.bat、直接 python src/main.py 才报，手动补一行即可：

set KMP_DUPLICATE_LIB_OK=TRUE      conda run -n visionforge python src/main.py

⚠️ 不要删 libiomp5md.dll。

报错 ② FileNotFoundError: Snapshot not found

回到 Step 3 看一眼你的权重路径。99% 是 hash 那一层没下完整。重跑 huggingface-cli 时加 --include "snapshots/*"，或者直接去 HuggingFace 网页手动下载 pytorch_model.safetensors，改名 model.safetensors 放到指定位置。

报错 ③ 中英文路径 / 中文文件名打不开

OpenCV 的老毛病，跟 VisionForge 无关。把你的工程、你的图片、你的用户名，都放到英文路径下。比如 D:\datasets\myproject，而不是 D:\数据集\我的工程。这条没破例，老老实实改路径。

写在最后

几段命令，你现在应该已经能跑通 VisionForge 全流程了。

为什么你输入 person, car 这样一个文本，AI 就能画框？文本和图像是怎么被映射到同一个空间里的？GroundingDINO 的「零样本」又是什么意思？——这些硬核内容，上一篇《文本提示 → 检测框 → 精细分割，背后到底发生了什么》已经拆开讲完了，没看的同学建议先翻一遍。

代码在这里，Issue 和 PR 都欢迎：