X-AnyLabeling使用记录

X-AnyLabeling使用自己的YOLO PT文件半自动标注

1.yoloV5pt文件转换未onnx，因为 X-AnyLabeling只支持onnx格式

1. 打开yolo代码中的export.py文件
   
   2.根据自己的需要修改参数：
   参考：https://blog.csdn.net/qq_38253797/article/details/119887013

    weights: 要转换的权重文件pt地址 默认='../weights/best.pt'
    img-size: 输入模型的图片size=(height, width) 默认=[640, 640]
    batch-size: batch大小 默认=1
    device: 模型运行设备 cuda device, i.e. 0 or 0,1,2,3 or cpu 默认=cpu
    include: 要将pt文件转为什么格式 可以为单个原始也可以为list 默认=['torchscript', 'onnx', 'coreml']
    half: 是否使用半精度FP16export转换 默认=False
    inplace: 是否set YOLOv5 Detect() inplace=True  默认=False
    train: 是否开启model.train() mode 默认=True  coreml转换必须为True
    optimize: TorchScript转化参数 是否进行移动端优化  默认=False
    dynamic: ONNX转换参数  dynamic_axes  ONNX转换是否要进行批处理变量  默认=False
    simplify: ONNX转换参数 是否简化onnx模型  默认=False
    opset-version: ONNX转换参数 设置版本  默认=10

3.运行即可在pt文件的同级目录下找到对应onnx文件

2.将对应onnx文件下载到本地，并运行X-AnyLabeling中的app.py

然后将对应的onnx地址和标签类别配置到auto_labeling中的yaml文件中，yaml文件根据自己的模型选择，也可以自己复制一个，这里我是自己复制的

将yaml文件的内容修改为自己的信息，并记录地址

3.打开图片所在的文件夹

4.点击左下角AI按钮，开启半自动标注模式

5.在左上角自动栏中选择自定义模型，并导入之前配置的yaml路径

6运行即可