BooruDatasetTagManager v2.4.1：一站式数据集标签编辑神器

在深度学习和图像生成领域，数据集的标签编辑至关重要。BooruDatasetTagManager v2.4.1便是一款功能强大且操作便捷的标签编辑器，专门用于编辑训练超网络、嵌入、LoRA 等模型所使用的数据集，尤其适用于 booru 风格标记数据，当然也可用于其他类型的数据集。

一、软件功能概述

（一）便捷的数据集加载

使用时，您需准备好数据集。如果想从头建立标签，也可指定一个不含文本文件的数据集。在程序中，通过选择 “文件 -> 加载文件夹”，指定包含数据集的目录即可完成加载。

（二）灵活的标签编辑与管理

加载数据集后，在软件界面中，面板会显示数据集中的图像。您可以在标签页对图像进行标签编辑。软件支持一次选择多张图片进行操作，编辑完成后，选择 “文件 -> 储存所有变更” 就能保存修改。此外，还可以使用内置服务（interrogator_rpc）生成标签，为编辑工作提供了更多便利。

（三）丰富的设置选项

通过 “设置” 菜单，您能打开设置窗口来自定义应用程序。在设置中，不仅可以调整预览图像大小、字体、颜色方案等常规 UI 设置，还能设置热键，方便操作。比如，您可以根据自己的习惯设置适合的键位布局。同时，在标签翻译方面，选择翻译语言和翻译服务（如 Google 翻译）后，就能使用标签翻译功能。目前，手动翻译过滤器仅用于标签自动完成（需在设置中启用该选项） 。

（四）强大的自动标签生成功能

软件自带自动标签生成器（interrogator_rpc），您可以直接在程序中为图像生成标签。启动服务有多种方式，若在纯 Python 环境中执行服务遇到问题，可尝试使用 anaconda 或 miniconda。例如，安装 anaconda 后，在控制台创建新的 conda 环境并安装必要依赖项：

1. 创建新环境：conda create -n bdtm python=3.10.9
2. 激活环境：conda activate bdtm
3. 安装依赖项：pip install -r requirements.txt
4. 运行服务：python main.py

启动服务后，在编辑器中，您可以通过 “工具” 菜单为所有图像生成标签，也能使用特定图标为选定的影像生成标签，还可在 “自动标记器预览窗口” 标签页单独生成标签。在自动标签生成器的设置中，您可以选择不同的模型，如 BLIP 系列、DeepDanbooru、wd – v1 – 4 系列等，并且能指定多个结果合并方法、排序模式以及设置置信度阈值。

（五）支持外部标签导入

该应用程序支持从「A1111 的 Booru 标签自动完成」使用的 csv 格式文件载入标签。软件会将其转换为自身格式并加载数据，进一步丰富了标签来源，提高了工作效率。

二、软件使用场景与优势

在深度学习模型训练过程中，准确且丰富的标签对于模型的性能至关重要。BooruDatasetTagManager 为数据标注工作提供了极大便利。无论是专业的机器学习从业者，还是深度学习领域的爱好者，在处理图像数据集时，都能借助这款工具高效地完成标签编辑任务。它简化了标签编辑流程，减少了人工标注的工作量，同时提高了标注的准确性和一致性，为后续的模型训练奠定了坚实基础。

三、下载地址