解决使用labelme中的AI多边形（AI-polygon）标注闪退问题

Xiao_Ya__

已于 2025-04-08 17:05:18 修改

阅读量1.7k

点赞数 16

分类专栏：深度学习语义分割文章标签： python labelme conda

于 2024-10-15 21:38:56 首次发布

本文链接：https://blog.csdn.net/Xiao_Ya__/article/details/142965056

版权

深度学习同时被 2 个专栏收录

46 篇文章

订阅专栏

语义分割

3 篇文章

订阅专栏

模型介绍

注意，有encoder和decoder 两个。建议直接用EfficientSam (accuracy)对应的模型。

模型下载地址

# 模型下载地址

# sam_vit_b  "SegmentAnything (speed)"
url="https://github.com/wkentaro/labelme/releases/download/sam-20230416/sam_vit_b_01ec64.quantized.encoder.onnx",  
md5="80fd8d0ab6c6ae8cb7b3bd5f368a752c",
url="https://github.com/wkentaro/labelme/releases/download/sam-20230416/sam_vit_b_01ec64.quantized.decoder.onnx",   
md5="4253558be238c15fc265a7a876aaec82",


# sam_vit_l   "SegmentAnything (balanced)"
url="https://github.com/wkentaro/labelme/releases/download/sam-20230416/sam_vit_l_0b3195.quantized.encoder.onnx", 
md5="080004dc9992724d360a49399d1ee24b",
url="https://github.com/wkentaro/labelme/releases/download/sam-20230416/sam_vit_l_0b3195.quantized.decoder.onnx",  
 md5="851b7faac91e8e23940ee1294231d5c7",


# sam_vit_h   "SegmentAnything (accuracy)"    这个模型效果可以，速度巨慢
url="https://github.com/wkentaro/labelme/releases/download/sam-20230416/sam_vit_h_4b8939.quantized.encoder.onnx",    
md5="958b5710d25b198d765fb6b94798f49e",
url="https://github.com/wkentaro/labelme/releases/download/sam-20230416/sam_vit_h_4b8939.quantized.decoder.onnx",   
md5="a997a408347aa081b17a3ffff9f42a80",


# efficient_sam_vitt  "EfficientSam (speed)"
url="https://github.com/labelmeai/efficient-sam/releases/download/onnx-models-20231225/efficient_sam_vitt_encoder.onnx",  
md5="2d4a1303ff0e19fe4a8b8ede69c2f5c7",
url="https://github.com/labelmeai/efficient-sam/releases/download/onnx-models-20231225/efficient_sam_vitt_decoder.onnx",  
md5="be3575ca4ed9b35821ac30991ab01843",


#  efficient_sam_vits  "EfficientSam (accuracy)"     这个模型速度和效果都非常不错，建议直接用这个
url="https://github.com/labelmeai/efficient-sam/releases/download/onnx-models-20231225/efficient_sam_vits_encoder.onnx",  
md5="7d97d23e8e0847d4475ca7c9f80da96d",
url="https://github.com/labelmeai/efficient-sam/releases/download/onnx-models-20231225/efficient_sam_vits_decoder.onnx",  
md5="d9372f4a7bbb1a01d236b0508300b994",

模型保存位置

下载模型后，放到 /home/wqg/.cache/gdown 下，需要注意一下，要把模型的名称修改一下。

SegmentAnything系列，模型名称加上这个：

https-COLON--SLASH--SLASH-github.com-SLASH-wkentaro-SLASH-labelme-SLASH-releases-SLASH-download-SLASH-sam-20230416-SLASH-

EfficientSam 系列，模型名称前加上这个：

https-COLON--SLASH--SLASH-github.com-SLASH-labelmeai-SLASH-efficient-sam-SLASH-releases-SLASH-download-SLASH-onnx-models-20231225-SLASH-

最后的模型如下：

正常使用：

完成上述操作后打开labelme.exe并导入需要打标签的图片,右键选择创建AI多边形,如下图所示。