深度学习标注工具2021-07-13

深度学习标注工具

  深度学习前期需要做 Label，说实话，其实深度学习大多数就是在做 label， 本科 RS 其实做监督分类也是在做 label，只不过像素级别的 label。 常见的标注的工具包括 LabeImg 和 Labelme。

LabelImg

   LabelImg 的支持 Yolo、CreateML、PascalVOC 格式的数据，说实话本科毕设的时候用的是 Whu 的数据所以没做过 Label 工作，今天尝试了一下两种工具，各有各自的优点

安装方法

   网上安装的方法千奇百怪，就一个 pip 就够了，首先创建一个环境

conda create -n labelimg python=3.7
Y
pip3 install labelImg
conda activate labelimg
labelImg 

创建完后激活，然后命令行输入 labelImg 即可(严格区别大小写)。

个人感觉这个的快捷键还是挺方便的，界面做的也挺好的，但是有一个最致命的问题，就是没有 rotate box。直接导致我得放弃这款工具，说实话它的 hot key 比 Labelme 好多了，尤其是做完一个 instance 之后不用输入 label 的 ID ，而 labelme 则需要每次标完一个样本之后输入 label 的 ID

Labelme

安装方法

   网上安装的方法还是千奇百怪，也就一个 pip 就够了，首先创建一个环境

plus：创建环境其实是为了不搞乱虚拟环境，不让其他的包产生 crash。

conda create -n labelme python=3.7
Y
conda activate labelme
labelme

所以安装方法和之前的一样，创建->激活->安装->启动

说实话安装的时候就是在装 pyqt5 还有作者自己写的标注方法，盲猜就是图像坐标系下获取位置，然后写出相应格式的 label 文件。

这张图好像 Arcgis Pro 深度学习教程里的 Label 的图片，虽然这是我自己标的， target 太多了，标注的要死了…

当然这只是普通 RGB 的图像，还需要添加多 channel 的图像，再丢给训练器去训练…

总结

由于需要还是得用 Labelme 这个工具，可以用 Rotate Box，当然这个标注的量其实很大，而且做大范围的地方还需要大量的 label 支撑，此外， Building 容易受到树的影响，scale 不一，而且尺寸不一，建筑风格不一，想要一个 model 去得到大范围的建筑物轮廓除了 label 要合理，还要有相应的 tricks 去提升相应的性能。