X-Anylabeling

1、X-Anylabeling

• X-AnyLabeling 是一款基于AI推理引擎和丰富功能特性于一体的强大辅助标注工具，其专注于实际应用，致力于为图像数据工程师提供工业级的一站式解决方案，可自动快速进行各种复杂任务的标定。
• 快速入门：https://github.com/CVHub520/X-AnyLabeling/blob/main/docs/zh_cn/get_started.md
• 用户手册：https://github.com/CVHub520/X-AnyLabeling/blob/main/docs/zh_cn/user_guide.md
• 自定义模型https://github.com/CVHub520/X-AnyLabeling/blob/main/docs/zh_cn/custom_model.md

关键功能

• 支持GPU推理加速；
• 支持图像和视频处理；
• 支持单帧和批量预测所有任务；
• 支持自定义模型和二次开发设计；
• 支持一键导入和导出主流的标签格式，如COCO\VOC\YOLO\DOTA\MOT\MASK；
• 支持多种图像标注样式，包括 多边形、矩形、旋转框、圆形、线条、点，以及 文本检测、识别 和 KIE 标注；
• 支持各类视觉任务，如图像分类、目标检测、实例分割、姿态估计、旋转检测、多目标跟踪、光学字符识别、图像文本描述、车道线检测、分割一切系列等。

1.1 源码安装X-Anylabeling

参考地址：自动标注软件X-AnyLabeling的使用教程及一些问题的记录-CSDN博客

conda虚拟环境配置

1. 从源码安装：GitHub - CVHub520/X-AnyLabeling: Effortless data labeling with AI support from Segment Anything and other awesome models.
2. 在项目中打开终端安装所需的环境依赖：

pip install -r requirements.txt

1. 安装完成后运行app.py

python anylabeling/app.py

1.2 X-Anylabeling的使用

1.2.1使用自定义的模型

• 参考：https://github.com/CVHub520/X-AnyLabeling/blob/v2.1.0/docs/custom_model.md
• X-AnyLabeling里面采用的是读取yaml文件和加载onnx文件的方式加载自定义模型。新建一个文件夹，将权重文件和对应的配置文件放置到同一个文件夹下存放，后续直接加载该配置文件即可。

|- custom_model

| |- fruits.onnx

| |- yolov5s.yaml

• yaml文件的内容。

type字段的值参考：https://github.com/CVHub520/X-AnyLabeling/blob/v2.1.0/anylabeling/services/auto_labeling/model_manager.py

type: yolov5  #网络类型定义，目前已适配的网络类型定义可参见 model_manager.py 文件中的 load_custom_model() 函数；
name: yolov5s-r20230520  # 如果是加载用户自定义模型，此字段可忽略
display_name: Fruits (YOLOv5s)  #展示到界面上显示的名称，可根据自定义任务自行命名
model_path: fruits.onnx    # 相对于自定义配置文件 *.yaml 所对应的模型权重路径，要求是 *.onnx 文件格式
input_width: 640
input_height: 640
nms_threshold: 0.45
confidence_threshold: 0.45
classes:
  - apple
  - banana
  - orange