网站建设 销售提成,宿州公司做网站,wordpress邮箱验证插件,顺德网站制作案例咨询文章目录 一、半自动标注二、缺点三、安装方法1、 python版本要求2、下载playground3、SAM安装4、SAM权重下载5、安装label-studio-ml6、启动SAM接口7、SAM启动日志8、安装并启动label-studio9、label-studio启动日志 四、半自动标注使用方法1、创建project并导入数据2、标签设… 文章目录 一、半自动标注二、缺点三、安装方法1、 python版本要求2、下载playground3、SAM安装4、SAM权重下载5、安装label-studio-ml6、启动SAM接口7、SAM启动日志8、安装并启动label-studio9、label-studio启动日志 四、半自动标注使用方法1、创建project并导入数据2、标签设置3、大模型设置4、标注5、标注物导出 五、总结 最近在做一个分割任务需要手动标注标注了几张感觉实在是麻烦枯燥、费时间所以想试下半自动标注。花了老奴一天的时间安装环境、配置等发现…其实也不太好用能理解为什么自动标注无法推广使用了。你如果对半自动标注感兴趣的话可以往下看看。 一、半自动标注 我们知道分割任务标注的数据需要沿着物体边界框选物体这时候需要用鼠标点击多个点形成一个多边形框住目标。相对于目标检测拉取一个目标框分割的标注是更为耗时的。 SAM 源自于 2023 年 Meta 的 Segment Anything (SA) 项目。该项目发现在 NLP 和 CV 领域中出现的基础模型表现出较强的性能它是一种最先进的图像分割模型。 使用Label Studio结合SAM大模型实现半自动标注通过手动点击keypoint或者画框模型自动分割选中区域与手动标注对比不用点多个点、不用对准目标边界。经过测试该半自动标注工具适用目标与背景差别较大的物体目标和边界较难区分的自动分割效果不佳。 标注效果如图二螺丝钉含有位移线我的标注任务是将位移线分割出来。 图一 标注原图 图二 半自动标注效果图 二、缺点 试用该工具后感觉不太好用。主要是因为 (1) 安装麻烦该工具涉及到Label Studio和SAM模型的安装、配置、启动 (2) 速度慢需要用模型边标注边推理SAM模型使用显卡推理速度仍然比较慢、容易卡给我的感觉是不灵敏、容易卡顿 (3) 硬件要求高我使用自己的笔记本电脑安装内存报错且用cpu推理速度很慢
三、安装方法 如果你的设备硬件better than me也想试用下这个标注工具。以下是安装步骤。
1、 python版本要求 3.8及以上
2、下载playground Github页面直接Download zip解压有一个label_anything目录图三用于后面启动SAM模型。playground链接 图三 label_anything 3、SAM安装 这里我使用离线安装的方法同样Github直接页面Download zip解压进入解压的文件夹运行pip install -e . 即可安装SAM。SAM链接
4、SAM权重下载 SAM有三个权重代表不同大小参数的SAM我使用的是sam_vit_b_01ec64.pth下载放入label_anything目录 https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth https://dl.fbaipublicfiles.com/segment_anything/sam_vit_l_0b3195.pth https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth 5、安装label-studio-ml
pip install label-studio-ml6、启动SAM接口 进入playground的label_anything目录在启动命令指定启动设备可以设置为cpu启动或者gpu启动。 cpu启动:
label-studio-ml start sam --port 8003 --with sam_configvit_b sam_checkpoint_file./sam_vit_b_01ec64.pth out_polyTrue out_maskTrue out_bboxTrue devicecpugpu启动
label-studio-ml start sam --port 8003 --with sam_configvit_b sam_checkpoint_file.\sam_vit_b_01ec64.pth out_polyTrue out_maskTrue out_bboxTrue devicecuda:0启动命令参数说明 port 8003设置端口随便设不冲突就行了sam_configvit_b模型权重相对应sam_checkpoint_file./sam_vit_b_01ec64.pth权重路径out_maskTrue表示输出的是掩码 7、SAM启动日志 终端启动日志如图可以看到启动的url 图四 SAM启动日志 8、安装并启动label-studio
pip install label-studio-ml
label-studio start9、label-studio启动日志 label-studio启动日志也有一个url自动打开label studio的界面需要注册账号再登录
四、半自动标注使用方法
1、创建project并导入数据 点击create创建项目并导入数据 新建好的project 2、标签设置 点击setting点击Labeling Interface设置标签将下面的一段代码复制进去修改成自己的类别
ViewImage nameimage value$image zoomtrue/KeyPointLabels nameKeyPointLabels toNameimageLabel valuecat smarttrue background#e51515 showInlinetrue/Label valueperson smarttrue background#412cdd showInlinetrue//KeyPointLabelsRectangleLabels nameRectangleLabels toNameimageLabel valuecat background#FF0000/Label valueperson background#0d14d3//RectangleLabelsPolygonLabels namePolygonLabels toNameimageLabel valuecat background#FF0000/Label valueperson background#0d14d3//PolygonLabelsBrushLabels nameBrushLabels toNameimageLabel valuecat background#FF0000/Label valueperson background#0d14d3//BrushLabels
/View注这里的KeyPointLabels、“RectangleLabels”、“PolygonLabels”、BrushLabels分别表示点、框、多边形、刷子的标注方法但实际上只有点、框的方式才有大模型推理
3、大模型设置 设置label studio使用SAM。同样也是在settings里面点击Machine LearningAdd Model填入模型名称以及SAM 启动的URL记得要将Use for interactive preannotations打开最后点击右下角按钮Validate and Save 点击后可能成功也可能失败失败的时候返回SAM启动终端会显示报错大部分都是缺少某些依赖包装上即可。 表示配置成功 4、标注 回到页面点击项目点击Label All Tasks开始标注。需要把Auto-Annotation打开并将建议打勾。 此时注意右边栏有个smart区域当选择什么类型的标注方法该区域也会变成相应类型才有模型推理否则就是手动标注。当上方的Auto accept annotation suggestions转圈的时候说明大模型在推理。 下面的标签区域当要进行某种标注的时候先选中标签再进行标注标注好后点击submit提交 转圈代表正在推理 5、标注物导出 回到项目界面点击export即可选择所需格式进行保存
五、总结 如果文章对您有所帮助记得点赞、收藏、评论探讨✌️
