半自动图像标注工具-Segment Anything Model实践教程

资源摘要信息:"本资源包含了基于Segment Anything Model（SAM）的半自动数据标注工具的源码以及详细的使用教程。该工具通过点击一次即可实现对图像的分割和标注，并能够将数据转换为yolo格式。它支持对多目标和多类别进行半自动标注。 1. 安装依赖项 在使用该工具之前，需要通过pip命令安装所有必要的依赖库，具体命令为`pip install -r requirements.txt`。此外，需要下载SAM模型，并将其放置在`./models/`目录下。模型下载链接位于基础研究部网盘。 2. 使用方法 在`main.py`文件中，需要填写图片路径(img_path)、掩码路径(mask_path)和标签路径(label_path)。用户可以根据自己的需求修改标签类别。工具的运行方式很简单，只需使用鼠标左键点击来选择点位，用鼠标右键撤回上一次的操作，按下`s`键可以保存标注结果，按下`Esc`键则退出工具。标注时应根据labels中的类别顺序进行，即每轮标注一种目标类别，直到所有类别都完成标注。每一轮标注完成后都会有弹窗提示用户。 注意事项 当分割结果中出现小的噪音或误分割时，可以通过调整`segImageProcess.py`文件中`_maskMix`方法的`kernel_size`和`iterations`参数来改善。这些参数控制了形态学操作的内核大小和迭代次数，可能需要根据具体的数据分辨率进行调整。调整后需重新运行程序以查看效果。 3. 标签类别 标签类别指的是在标注过程中，根据实际需要对目标进行分类的类别。用户在使用工具时，应遵循labels文件中定义的类别顺序进行标注。 4. 相关文件 - main.py：包含了运行工具所需的基本参数设置和标注逻辑。 - segImageProcess.py：包含图像分割处理的函数，其中`_maskMix`方法用于处理分割图中的噪音。 - labels：包含了标注工具中使用的类别标签。 - requirements.txt：列出了所有依赖库，以便用户安装。 该工具适用于图像处理和数据预处理的需求，特别适合于机器学习和计算机视觉项目中的数据准备阶段。通过半自动化的标注过程，用户可以显著提高数据标注的效率和准确性。"