【深度学习样本准备系列】——标注工具:精灵标注助手(Colabeler)使用教程

这篇文章是看到其他博主 https://blog.csdn.net/youmumzcs/article/details/79657132 推荐的,个人感觉不错,比自己编译的界面看上去要舒服,推荐下:

首先官网下载-精灵标注助手

精灵标注助手目前支持Windows/Mac/Linux平台,大家根据自己的系统下载相对应的版本,Mac的话可以到MacStore中搜索colabeler下载即可。

相比于LabelImg,RectLabel这些标注工具。这个工具强大的地方在于支持除了图片标注外,还支持文本标注,视频标注,应该说是非常强大了,而且也是免费的,算是业界良心了。


今天主要说一下图像位置标注,这个也是最常用的。首先点击菜单文件->新建,然后选择位置标注,选择图片文件夹,点击创建按钮,软件会自动加载文件夹下的图片(png,jpg,gif)并创建一个项目。


精灵标注图像标注支持三种-矩形,多边形和曲线。我们先试试矩形

点击左侧矩形框或者按快捷键r即可切换到矩形标注模式。直接在图片中框出需要标注的位置:


这个矩形框可以进行调整,然后右侧会有一个下拉选项来选择这个矩形框所标注的物体是什么类型,我们可以自己输入也可以选择预定于的分类:


标注完成后可以点击下方中央的勾按钮或者使用快捷键ctrl+s,然后可以点击左边的前一个后一个或者直接使用键盘的向左按钮和向右按钮来切换图片。

多边形和曲线的标注与矩形框类似,快捷键分别是p和c,标注完如下:


全部标注好了之后点击左侧的导出按钮,选择PascalVoc的格式,选择导出地址即可:


导出的文件就是pascalvoc的xml,效果如下:

[html] view plain copy
  1. <?xml version="1.0" ?>  
  2. <annotation>  
  3.     <folder>Sample Pictures</folder>  
  4.     <filename>Jellyfish.jpg</filename>  
  5.     <path>C:\Users\Public\Pictures\Sample Pictures\Jellyfish.jpg</path>  
  6.     <source>  
  7.         <database>Unknown</database>  
  8.     </source>  
  9.     <size>  
  10.         <width>1024</width>  
  11.         <height>768</height>  
  12.         <depth>3</depth>  
  13.     </size>  
  14.   
  15.     <segmented>0</segmented>  
  16.     <object>  
  17.         <name>水母</name>  
  18.         <pose>Unspecified</pose>  
  19.         <truncated>0</truncated>  
  20.         <difficult>0</difficult>  
  21.         <bndbox>  
  22.             <xmin>150</xmin>  
  23.             <ymin>173</ymin>  
  24.             <xmax>388</xmax>  
  25.             <ymax>531</ymax>  
  26.         </bndbox>  
  27.     </object>  
  28. </annotation>  
  • 1
    点赞
  • 42
    收藏
    觉得还不错? 一键收藏
  • 15
    评论
### 回答1: 精灵标注助手是一款功能强大的标注工具,可以帮助用户快速高效地标注数据,更好地训练机器学习模型。其中,转换COCO样本的功能是该工具的重要功能之一。 COCO是指Microsoft Common Objects in Context,是目标检测、语义分割等计算机视觉领域的几个基准数据集之一。如果我们想要训练一个精准的机器学习模型,就需要收集尽可能多的标注数据。因此,将精灵标注助手中的数据转换成COCO格式可以更好地满足需求。 转换COCO样本的流程如下: 1. 导出标注数据。我们可以先在精灵标注助手标注数据,然后导出成VOC或者YOLO格式的数据。 2. 将数据转换成COCO格式。我们可以使用工具软件将原始数据转换成COCO格式,生成JSON文件。转换后的数据包括图片的尺寸、类别、坐标等信息。 3. 导入COCO格式的数据集。我们可以使用深度学习框架如TensorFlow、PyTorch等,导入转换后的COCO格式的数据集。同时,还需要对数据集进行预处理、数据增强等操作,以提高模型的精度和泛化能力。 总的来说,转换COCO样本精灵标注助手的一个重要功能,可以为机器学习从业者提供更全面、更准确的标注数据,进而使机器学习模型更加精准、高效。 ### 回答2: 精灵标注助手是一款非常好用的图像标注工具,可以帮助用户快速、准确地完成图像标注任务。如果需要将使用精灵标注助手标注样本转换成COCO格式,可以采取以下步骤: 1. 在精灵标注助手中导出标注结果,保存为XML、JSON或YOLO格式的文件。 2. 使用转换工具标注结果转换为COCO格式。目前市面上有很多免费的开源工具可以实现这个功能,例如labelme、labelbox等。 3. 上传转换后的COCO样本到云端或者本地服务器上,开始进一步的数据处理和训练模型。可以使用开源框架如Tensorflow、Keras、PyTorch等进行模型的搭建和训练。 值得注意的是,在标注样本时,应该充分考虑到COCO格式的要求,如标注对象的类别、位置、大小等属性,以确保最终转换后的样本质量和准确性。同时,精灵标注助手也提供了一些便捷的标注工具,如矩形、多边形、点等,可根据具体需求进行选择和使用。通过合理利用这些功能,可以大大提高标注效率和样本质量。 ### 回答3: 精灵标注助手是一款优秀的图像标注工具,可以帮助用户快速对图像进行标注。用户可以在图像上标注出目标的位置和属性,精灵标注助手会将这些标注信息保存下来。如果用户需要将标注信息转换为COCO数据集的样本,也可以使用精灵标注助手。 将标注信息转为COCO样本的过程比较简单。首先,用户需要导入标注信息,并选择需要转换为COCO样本标注信息。然后,用户需要选择生成COCO样本的路径,并设置COCO样本的文件名。最后,用户点击“转换”按钮即可生成COCO样本。 生成的COCO样本文件包括一个JSON格式的文件和一系列图像文件。JSON文件包含了每个图像的基本信息和目标的标注信息,可以直接用于训练神经网络模型。图像文件则是根据JSON文件中的路径信息进行生成。 总之,使用精灵标注助手可以帮助用户快速将标注信息转为COCO样本,方便用户进行图像识别和目标检测等任务的训练。
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值