使用 MMDETECTION 和 LABEL-STUDIO 进行半自动化目标检测标注

标注数据是一个费时费力的任务，本文介绍了如何使用 MMDetection 中的 RTMDet 算法联合 Label-Studio 软件进行半自动化标注。具体来说，使用 RTMDet 预测图片生成标注，然后使用 Label-Studio 进行微调标注，社区用户可以参考此流程和方法，将其应用到其他领域。

• RTMDet：RTMDet 是 OpenMMLab 自研的高精度单阶段的目标检测算法，开源于 MMDetection 目标检测工具箱中，其开源协议为 Apache 2.0，工业界的用户可以不受限的免费使用。

• Label Studio 是一款优秀的标注软件，覆盖图像分类、目标检测、分割等领域数据集标注的功能。

本文将使用喵喵数据集的图片，进行半自动化标注。

环境配置

首先需要创建一个虚拟环境，然后安装 PyTorch 和 MMCV。在本文中，我们将指定 PyTorch 和 MMCV 的版本。接下来安装 MMDetection、Label-Studio 和 label-studio-ml-backend，具体步骤如下：

创建虚拟环境：

condacreate-nrtmdetpython=3.9-y
condaactivatertmdet

安装 PyTorch

# Linux and Windows CPU only
pipinstalltorch==1.10.1+cputorchvision==0.11.2+cputorchaudio==0.10.1-fhttps://download.pytorch.org/whl/cpu/torch_stable.html
# Linux and Windows CUDA 11.3
pipinstalltorch==1.10.1+cu113torchvision==0.11.2+cu113torchaudio==0.10.1-fhttps://download.pytorch.org/whl/cu113/torch_stable.html
# OSX
pipinstalltorch==1.10.1torchvision==0.11.2torchaudio==0.10.1

安装 MMCV

pipinstall-Uopenmim
miminstall"mmcv>=2