[YOLOv8] 缺陷检测之AnyLabeling使用预训练的模型来做自动化标注

创作背景

当我们使用AnyLabeling标注的数据，通过转换成YOLOv8数据集进行预训练之后，会生成一个模型文件(*.pt)，后续我们还会添加更多的图像进去做训练，手动标注图像，是一个苦力活，还好AnyLabeling中提供了使用预训练好的YOLOv5，YOLOv8的模型来帮忙进行自动标注，这样可以大大提升标注的效率。

[YOLOv8] - 使用AnyLabeling对数据集进行标注（含安装和使用技巧）

[YOLOv8] 缺陷检测之AnyLabeling标注格式转换成YOLO格式

[YOLOv8] 缺陷检测之如何划分训练集，验证集和测试集

如何使用自训练的模型来进行自动化标注？

Custom Models for Auto Labeling – AnyLabeling (nrl.ai)

转换YOLOv8生成的模型（权重）文件转换成ONNX

在当前运行AnyLabeling的python的环境中安装ultralytics和onnx：

pip install ultralytics
pip install onnx

转换YOLOv8模型成ONNX格式：

导出 - Ultralytics YOLOv8 文档

通过命令行

yolo export model=D:/my_project/wepy/src/wepy/aitool/train/runs/detect/train14/weights/best.pt format=onnx  # 导出自定义训练的模型

 ​​​​​居然报错了：

试试通过python代码：

from ultralytics import YOLO

# 加载自定义训练的模型
model = YOLO('D:/my_project/wepy/src/wepy/aitool/train/runs/detect/train14/weights/best.pt')

# 导出模型
model.export(format='onnx')

 在YOLOv8模型文件所在的目录会生成best.onnx：

创建AnyLabeling模型配置文件

yolov8n_custom.yaml，如下

type: yolov8
name: yolov8n-custom
display_name: YOLOv8n Custom
model_path: D:/my_project/wepy/src/wepy/aitool/train/runs/detect/train14/weights/best.onnx
confidence_threshold: 0.45
input_height: 640
input_width: 640
nms_threshold: 0.45
score_threshold: 0.5
classes:
- normal

从AnyLabeling UI选择你创建的自定义模型

 对新的图像进行自动化标注

选中一个未做标注的图像，点击“运行（i）”按钮，未标注的图像被自动标注了出来：