X-Anylabeling使用细节
官方给出的两种使用方式
方式一
直接在GitHub release上下载 Releases · CVHub520/X-AnyLabeling · GitHub
或者在百度网盘下载,官方链接
首先查看X-Anylabeling标注工具相应的版本,然后根据你电脑的硬件设备选择对应的系统以及CPU还是GPU
方式二
1、源码下载
通过下载源码运行,也是官方比较建议的构建方式,这样可以保证体验到最新的功能和更稳定的性能体验。
GitHub下载地址:https://github.com/CVHub520/X-AnyLabeling/
2、安装依赖
使用Pycharm打开刚才下载好的X-Anylabeling-main文件夹
首先先激活你的pytorch环境
然后安装依赖
目前X-Anylabeling针对不同的运行环境提供了多种依赖文件:
在这里我选择的是requirements.txt依赖文件,在终端上输入一下命令进行环境配置:
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
根据自身网速,稍等一会即可安装完成
3、启动工具
直接打开X-Anylabeling-main-->anylabeling文件夹下的app.py文件,鼠标右键直接运行即可
显示该界面即为打开成功
配置 Windows 中的环境变量是为了某些命令在 CMD 中可以被识别以及用于多应用之间的交互。
加载内置模型时下载失败
官方提供的所有内置模型下载地址:X-AnyLabeling/docs/zh_cn/model_zoo.md at main · CVHub520/X-AnyLabeling · GitHub
首先根据上方链接下载你所需要的内置模型,下面我们以Edge-SAM为例子
当你直接软件中加载内置模型过慢或者加载失败时候,可以根据内置模型的名字Edge-SAM,在内置模型下载官网上直接选择相应的通道进行下载,一定要看清楚,有的模型分为encoder和decoder,需要下载两个预训练模型。这里Edge-SAM九需要分别下载edge_sam_encoder.onnx和edge_sam_decoder.onnx
然后将这两个预训练模型直接放到一个任意的英文文件夹内就行(记住存放路径)。在这里我的存放路径是G:\pre_model\edge_sam (说明一下我的是windows系统)。最后更改GX-AnyLabeling-main\anylabeling\configs\auto_labeling文件夹下的.yaml文件中的路径。Edge-SAM模型对应的是edge_sam.yaml,直接用记事本打开即可,更改对应的encoder_model_path和decoder_model_path即可。
重新加载内置模型,打开软件之后首先选择加载自定义模型,然后选中你更改之后的那个.yaml文件直接打开即可