这款图像自动标注软件,终于开源了

HelloGitHub

共 1499字,需浏览 3分钟

 ·

2021-08-22 22:26

自动标注神器!帮AI公司省不止百万!

AI界的革命!终于可以自动标注了!

业界首个高性能交互式分割工具开源啦!


深度学习大法固然好,但算法训练需要标注大量数据,不论是时间还是金钱成本都让很多从业的小伙伴们头疼不已。矩形框标注还相对简单,遇到像素级别的分割标注,工作量又是几倍的往上翻,小编不禁想:要是能有自动标注的工具该有多好!

功夫不负有心人,小编终于淘到一款自动标注软件,可以极大的提升图像分割的标注效率,降低标注成本。


它就是业界首个高性能的交互式分割工具——EISeg。那什么是交互式分割呢?它其实就是先用预训练模型对图像进行预标注,对于标注不精准、有误差的地方,再通过一系列绿色点(正点)和红色点(负点)对目标对象边缘进行精准的调整,从而实现精细化标注,高效而实用。



如果你需要特定领域的自动标注算法,还可以对 EISeg 的预训练模型进行精调,比如 EISeg 的开发团队就基于人像数据集对模型进行 Finetune(精调)得到预测速度快、精度高、交互点少的人像交互式分割模型。你还可以自己训练出像建筑物分割、飞机分割等等你需要的算法,提升相关任务的标注效率。



这么高效、实用还免费的软件,错过真的错过一个亿!识趣的小编赶紧贴上链接。


记得 Star 收藏一下防止走丢哦:

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.2/contrib/EISeg



你以为 EISeg 仅仅是提供预训练算法和交互式分割操作方式就没什么特别的了吗?!Too Simple Too Naïve!


超多个性化操作快捷键,让标注效率一提再提


为了进一步提高小伙伴们的标注效率,EISeg 提供了超多人性化设计的快捷键:

 


那到底标注效率有多快呢?我们具体来做个测试

 

传统方法 1 分 7 秒 

EISeg 9 秒


可以看到,传统方法使用的标注时间是1分07秒,EISeg 使用的只有 9 秒。使用的时间是传统方式的 1/7 还不到! EISeg 的交互式分割模型的标注效率是远远超过传统标注的!


支持多种图像及标注格式,满足多种视觉任务


EISeg 不仅仅支持输出 mask 掩膜输出,还支持多边形等多种标注生成。同时支持伪彩色图、灰度图,以及 json、coco 等数据格式,用户还可对角点进行增删和局部修正。这样标注出来的数据,不仅仅可以做语义分割,还可以用做实例分割任务,一举两得!!!



丰富的标注模型,适合多种场景


EISeg 开放了在 COCO+LVIS 和大规模人像数据上训练的四个标注模型,满足通用场景和人像场景的标注需求。其中模型结构对应 EISeg 交互工具中的网络选择模块,用户需要根据自己的场景需求选择不同的网络结构和加载参数。


 

另外,为了更好的满足用户分割场景的多样性,PaddleSeg 团队还在持续建设其他垂类领域的交互式模型,例如医疗和遥感图像标注。期待有相关需求的开发者们一起参与开源共建中来!



心动不如行动,大家可以直接前往Github地址获得完整开源项目代码,记得Star收藏支持一下哦:

https://github.com/PaddlePaddle/PaddleSeg


也可以扫码加入微信交流群,与官方开发团队直接交流

浏览 115
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报