基于SAM的交互式半自动图像分割标注工具ISAT_with_segment_anything的使用

fengbingchun

于 2025-05-18 08:58:21 发布

阅读量547

点赞数 8

分类专栏： Deep Learning 文章标签： isat-sam

本文链接：https://blog.csdn.net/fengbingchun/article/details/148038729

版权

Deep Learning 专栏收录该内容

147 篇文章

订阅专栏

GitHub上的 ISAT_with_segment_anything 是一款基于 segment-anything 的交互式半自动图像分割标注工具，最新发布版本为v1.3.5，license为Apache 2.0。

Windows上环境配置，本机已安装Anaconda:

(1).cpu模式，依次执行如下命令：

conda create -n isat_env python=3.8
conda activate isat_env
pip install isat-sam

(2).cuda模式，依次执行如下命令：本机已安装cuda 11.8

conda create -n isat_env_cuda python=3.8
conda activate isat_env_cuda
conda install -c pytorch -c nvidia -c conda-forge pytorch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 pytorch-cuda=11.8
pip install isat-sam

输入isat-sam，启动isat-sam，界面如下图所示：点击"帮助"/"Help" --> "语言"/"Language"，可切换中英文；点击"帮助" --> "快捷键"，显示可用的快捷键

1. 支持的模型如下图所示：点击"SAM" --> "模型管理"，下载预训练模型，点击对应模型的"download"，此时变为"downloading"，下载后变为"delete"；下载后的模型存放在虚拟环境(如isat_env_cuda)目录下的Lib/site-packages/ISAT/checkpoints目录下；勾选已下载的模型，ISAT则会自动加载此模型，可通过勾选不同的模型，进行切换；也可使用迅雷下载对应模型

2. 加载需要标注的图像集："文件" --> "图片文件夹"

3. 类别设置：如下图所示

(1).可删除已有类别，也可添加新类别，调整后需点击"应用"按钮才会生效

(2).点击"导出"，可将调整后的类别导出到本地的yaml文件中

(3).点击"导出"，可导入yaml文件中的类别

4. 设置："文件" --> "设置"：

(1).自动保存：勾选后，标注和修改时，自动保存

(2).轮廓模式：

只保存外轮廓：对于不需要进行镂空处理的数据时，用此模式。

只保存最大轮廓：针对存在多个轮廓的情况，只保留拥有最多顶点的轮廓。如果半自动标注时存在很多干扰，可以通过此模式，减少干扰，提升标注效率。

保存所有轮廓：包含内轮廓与外轮廓。内轮廓类别自动设置为背景类。对于需要镂空的目标，可以使用此模式。

5. 快捷键："帮助" --> "快捷键"，如下图所示

A:上一张图像

D:下一张图像

Q:Segment anything点提示，鼠标此时变为"+"，此时点击鼠标左键开始自动标注，可多次点击鼠标左键，存在误选区域时点击鼠标右键：注：标注前需要先选择正确的类别；若标注类别错误或标注结果不理想，可通过右侧的"标注"进行调整，如重新编辑类别或删除

C:标注多边形，按住鼠标左键拖动鼠标，当标注完一个目标时按E键

E:当一张图像上有多个目标时，标注好一个目标后按下E键，再从新开始标注其它目标

Z:若标注目标时出现错误操作，在未按E键前，按Z键可回退到上一步

6. 预览当前标注结果：点击"位图按钮"，实时预览当前标注结果，如下图所示

7. 标注细节检查：以组id逐个切换目标，切换的同时，会自适应到目标大小，便于检查标注细节，如下图所示

8. 标注结果导出："工具" --> "数据转换"：ISAT生成的是.json文件，如将其转换为YOLO的.txt文件，如下图所示，还会生成一个classification.txt文件，里面记录着类别名：注：cpu模式和cuda模式，生成的.txt中，类别索引不同：cpu模式索引从1开始；而cuda模式索引从0开始