Skip to content

Latest commit

 

History

History
60 lines (42 loc) · 5.34 KB

interactive_segmentation.md

File metadata and controls

60 lines (42 loc) · 5.34 KB

交互式分割使用方法

PaddleLabel 基于EdgeFlow模型在语义和实例分割项目中提供交互式分割支持。

前置步骤

  1. 在使用自动预标注功能前请先参考 此文档 安装 PaddleLabel-ML 辅助标注后端

  2. 启动 PaddleLabel 和 PaddleLabel-ML

    打开两个命令行终端,第一个输入 paddlelabel 并回车,第二个输入 paddlelabel-ml 并回车,分别启动项目的 web 部分和辅助标注部分

  3. 创建项目

    您可以参考快速体验文档创建内置样例项目导入一个数据集

进行设置

  1. 创建项目后直接进入标注页面,当鼠标悬浮在右侧工具栏“交互式分割”按钮上时,其左侧会出现“交互式分割设置”按钮,点击该按钮将弹出设置面板。

  2. 交互式分割设置中,机器学习后端网址为必填项,该网址可以通过观察 PaddleLabel-ML 启动时的命令行输出确定

  3. 模型和权重文件路径为选填项,如果留空,默认使用的模型是 HRNet18_OCR64 通用分割场景高精度模型。此外 EdgeFlow 还提供针对人像,遥感,医疗和瑕疵检测的垂类模型,您可以展开下方列表查看和下载。注意两个路径需要使用绝对路径,模型和权重文件要对应。

    点击查看更多模型
    模型类型 适用场景 模型结构 模型下载地址
    高精度模型 通用场景的图像标注 HRNet18_OCR64 static_hrnet18_ocr64_cocolvis
    轻量化模型 通用场景的图像标注 HRNet18s_OCR48 static_hrnet18s_ocr48_cocolvis
    高精度模型 通用图像标注场景 EdgeFlow static_edgeflow_cocolvis
    高精度模型 人像标注场景 HRNet18_OCR64 static_hrnet18_ocr64_human
    轻量化模型 人像标注场景 HRNet18s_OCR48 static_hrnet18s_ocr48_human
    轻量化模型 遥感建筑物标注场景 HRNet18s_OCR48 static_hrnet18_ocr48_rsbuilding_instance
    高精度模型* x 光胸腔标注场景 Resnet50_Deeplabv3+ static_resnet50_deeplab_chest_xray
    轻量化模型 医疗肝脏标注场景 HRNet18s_OCR48 static_hrnet18s_ocr48_lits
    轻量化模型* MRI 椎骨图像标注场景 HRNet18s_OCR48 static_hrnet18s_ocr48_MRSpineSeg
    轻量化模型* 质检铝板瑕疵标注场景 HRNet18s_OCR48 static_hrnet18s_ocr48_aluminium
  4. 完成设置后点击“确定”,模型会在后台加载,通常时间不超过 1 分钟。加载完成后页面顶部会弹出消息模型加载完成,您可以开始使用智能标注工具了

使用交互式标注

  1. 点击页面右侧工具栏中“交互式分割”按钮进入交互式分割模式。此时页面上一些工具会被置灰禁用,再次点击“交互式分割”按钮退出后会恢复
  2. 选中一个标签,之后在图像中前景位置鼠标左键点击添加正样本点;在模型过度分割,掩膜蔓延到背景的位置鼠标右键点击添加负样本点,点击可以进行多轮。此外您可以在此过程中通过调整分割阈值控制整体边缘位置
  3. 无论语义还是实例分割项目,推荐每次只用交互式分割标注一个对象,这样标注精度更高。完成一个对象的标注后,按下鼠标中键保存结果和清空当前控制点