目录
在我们平常做 深度学习检测项目时,可能经常需要标注数据,但是标注数据,本身又是一件很麻烦的事情。今天,看到 Github 有个大佬开源的基于 YOLOv5 的辅助标注工具,推荐给大家。
首先,上链接:
https://github.com/cnyvfang/labelGo-Yolov5AutoLabelImg
这是一个基于 labelImg与 YOLOv5 的半自动标注工具,通过现有的YOLOv5 PyTorch模型对数据集进行半自动标注。
它的原理其实很简单,使用在 COCO 数据集训练好的 YOLOv5 模型,在你的数据集上进行推理,生成标签。
大家看一下官方给的两个动图,应该就明白怎么使用了。
其实,我们也可以自己先标注一部分数据,训练一个基本的模型,然后使用跟这个模型帮我们标注,提高标注效率。有点半监督的意思了。
官方给出的具体使用方法如下:
1.从 git 中获取项目
git clone https://github.com/cnyvfang/labelGo-Yolov5AutoLabelImg.git
2.切换操作目录到工程目录
cd labelGo-Yolov5AutoLabelImg
3.配置环境
pip install -r requirements.txt
4.将目录中的/data/predefined_classes.txt文件的内容修改为你自己的类别
5.启动应用程序
python labelGo.py
6.点击“打开目录”按钮选择存放图片的文件夹
7.点击“自动标注”按钮确认信息无误后选择已训练的yolov5 pytorch模型完成自动标注
8.根据实际要求,对自动标注结果进行调整后保存即可
参考引自: