X-AnyLabeling标注软件使用方法

第一步 下载

官方X-AnyLabeling下载地址
github:X-AnyLabeling

第二步 配置环境

使用conda创建新的虚拟环境

conda create -n xanylabel python=3.8

进入环境

 conda activate xanylabel

进入X-AnyLabeling文件夹内,运行下面内容

依赖文件系统环境运行环境是否支持打包
requirements.txtWindows/LinuxCPU
requirements-dev.txtWindows/LinuxCPU
requirements-gpu.txtWindows/LinuxGPU
requirements-gpu-dev.txtWindows/LinuxGPU
requirements-macos.txtMacOSCPU
requirements-macos-dev.txtMacOSCPU
根据自己的版本需求更改下面的安装代码,我安装的是 requirements-gpu-dev.txt 版本

pip install -r requirements-gpu-dev.txt 

如果使用GPU版本要将X-AnyLabeling-main\anylabeling\app_info.py内__preferred_device__字段设置为GPU

在这里插入图片描述

配置完成运行X-AnyLabeling,一定要在X-AnyLabeling-main文件夹下运行

python anylabeling/app.py

在这里插入图片描述

下面是在运行python anylabeling/app.py时可以在后面加入的参数

  • filename: 图像或标签文件名;如果传入目录路径,则会自动加载该文件夹
  • --help,-h: 显示帮助消息并退出
  • --reset-config: 重置 Qt 配置,清除所有设置。
  • --logger-level: 设置日志级别,可选值包括 “debug”, “info”, “warning”, “fatal”, “error”。
  • --output, -O, -o: 指定输出文件或目录。如果以 .json 结尾,则被识别为文件,否则被识别为目录。
  • --config: 指定配置文件或者以 YAML 格式提供配置信息的字符串
    默认为 ~/.xanylabelingrc(Linux) C:\Users\{user}\.xanylabelingrc(Windows)。
  • --nodata: 停止将图像数据存储到 JSON 文件中。
  • --autosave: 自动保存标注数据。
  • --nosortlabels: 停止对标签进行排序。
  • --flags: 逗号分隔的标志列表或包含标志的文件。
  • --labelflags: 包含标签特定标志的 YAML 字符串或包含 JSON 字符串的文件。
  • --labels: 逗号分隔的标签列表或包含标签的文件。
  • --validatelabel: 标签验证类型。
  • --keep-prev: 保留前一帧的注释。
  • --epsilon: 在画布上找到最近顶点的 epsilon。

第三步 标注图片

在这里插入图片描述

标注框画完需要填写标签名称写入点击OK
在这里插入图片描述

在这里插入图片描述

标注文件会自动保存在图片的文件夹内,如果需要修改保存位置点击图片中的更改输出目录
在这里插入图片描述

自动保存的标注文件是JSON格式文件

在这里插入图片描述

如果需要xml文件可以在此处更改

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

第四步 加载模型自动标注

在这里插入图片描述

有问题,一加载模型就卡退

x-任意标记是指在机器学习中,用于对数据样本进行分类或标记的一种方法。在x-任意标记中,不同于传统的监督学习,在训练数据中,并不需要为每个样本都提供准确的标记,而是允许某些样本没有标记,或者标记不准确。 x-任意标记的主要应用场景之一是在大规模数据集中,由于标记样本需要大量的人工成本和时间,因此很难获得所有样本的准确标记。借助x-任意标记算法,我们可以使用部分标记样本进行模型训练,以更高效地处理大规模数据。 x-任意标记算法主要基于隐变量模型或者半监督学习的思想,通过对未标记样本进行推断,预测其标记,从而得到更全面的数据集用于模型训练。常见的x-任意标记算法有多重标签学习、协同半监督学习等。 然而,x-任意标记也面临一些挑战。首先,由于未标记样本的标记不确定性,x-任意标记可能引入噪声,对模型的性能造成影响。其次,x-任意标记算法需要较强的数据推断和分析能力,对计算资源要求较高。此外,对于某些特定类型的数据,如图像、语音等,x-任意标记算法的应用可能更加复杂。 总的来说,x-任意标记是一种在机器学习中处理数据样本的方法,可以用于更高效地处理大规模数据,但也需要面对标记不确定性和计算资源要求高的挑战。在实际应用中,我们需要根据具体任务和数据特点选择适合的x-任意标记算法,并注意其潜在限制。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值