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