百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

超方便超高效的图像标注工具你值得拥有

itomcoil 2025-02-20 15:55 15 浏览

导读

你还在用labelimglabelme等标注工具在进行本地标注吗?你是否遇到过在需要标注大型数据时,在用移动硬盘拷贝数据或建立共享目录来分发标注任务吗?还在因为标注数据完之后的review而浪费大量的时间吗?这时候你就需要用到基于web的标注工具来帮助我们解决这些问题。

CVAT

CVAT是OpenCV团队开源的一个基于web的图像标注系统,它能够对图像视频矩形关键点图像分割目标追踪3D等标注。cvat可以分为服务端客户端,服务端可以部署在本地或者云上而且还可以很方便的与我们的数据服务器进行连接,客户端只需要通过Google浏览器访问web系统即可,而不需要安装其它的标注工具。

通过web系统,管理员可以在上面建立projecttask标注任务,分派给指定的标注人员,对于标注完的数据进行及时的review纠正标注人员的错误标注,还能导出任意的格式的标签文件,为我们解决数据格式的转换问题。

下面就向大家介绍一下,CVAT 安装和使用

安装

安装其实主要还是指服务器端的安装,因为客户端只需要安装一个Google浏览器就能直接访问。我是直接安装在公司的服务器上的,然后通过公司的内网就能直接访问。

cvat详细安装教程:cvat安装教程

服务端的部署

cvat的部署它是基于docker的,所以部署起来也是非常方便的,也能很好地解决跨平台问题,所以它能够支持UbuntumacosWindows。这里主要以Ubuntu为例,因为我也是直接部署在Ubuntu系统上的

  • 安装docker
sudo apt-get update
sudo apt-get --no-install-recommends install -y \
  apt-transport-https \
  ca-certificates \
  curl \
  gnupg-agent \
  software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository \
  "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) \
  stable"
sudo apt-get update
sudo apt-get --no-install-recommends install -y docker-ce docker-ce-cli containerd.io
  • 创建docker用户
sudo groupadd docker
sudo usermod -aG docker $USER
  • 安装docker-compose

通过docker-compose我们能够运行多个docker容器,因为cvat它包含了多个docker容器(nginx、redis等)

sudo apt-get --no-install-recommends install -y python3-pip python3-setuptools
sudo python3 -m pip install setuptools docker-compose

小提示:我在安装docker-compose的时候犯了很多错误,后面去掉sudo(后面一句命令)之后就行了

  • clone CVAT 到本地
sudo apt-get --no-install-recommends install -y git
git clone https://github.com/opencv/cvat
cd cvat
  • 运行docker容器

首次运行下面的命令时,会先从DockerHub上下载最新的docker镜像,下载的时候需要一段时间

docker-compose up -d
  • 在本地创建镜像与上面选择一个即可
docker-compose -f docker-compose.yml -f docker-compose.dev.yml build
docker-compose up -d
  • 注册superuser

通过superuser用户可以创建新的用户,做权限管理等操作

docker exec -it cvat bash -ic 'python3 ~/manage.py createsuperuser'

客户端的安装

服务端部署完成启动成功之后,我们可以通过Google浏览器直接访问localhost:8080来访问CVAT的web系统,默认配置文件只能localhost来访问,后面我会介绍如何通过IP地址利用内网来访问这个系统。

高级配置

  • 通过IP地址或者域名来访问

首次启动只支持使用localhost来进行访问,我们可以通过修改配置文件来使用IP地址或者域名来访问web系统

在cvat目录下新建一个
docker-compose.override.yml
文件,添加如下内容

version: '3.3'

services:
  cvat_proxy:
    environment:
      CVAT_HOST: 域名或者IP地址

建议:如果是局域网内访问最好还是直接配置服务器的IP地址比较好,想要使用域名需要配置host文件或者添加域名解析服务器才行。如果你的IP地址是192.168.23.45的话,修改好配置文件之后

#重启服务器
docker-compose up -d

重启的时候,会自动去加载配置文件,启动成功之后就能够通过Google浏览器直接访问192.168.23.45:8080,然后你就能看到登录界面


通过之前设置的superuser就能够直接登录

  • 共享目录设置

CVAT提供三种方式用来选择创建task时读取的图片数据,选择本地图片数据挂载共享目录使用远程服务器上的数据


通过挂载共享目录,在创建
task的时候选择标注图片的时候能够直接加载服务器上的数据,编辑
docker-compose.override.yml
文件将下面的内容添加进去

version: '3.3'

services:
  cvat:
    environment:
      CVAT_SHARE_URL: 'Mounted from /mnt/share host directory'
      #(和下面路径一样)
    volumes:
      - cvat_share:/home/django/share:ro

volumes:
  cvat_share:
    driver_opts:
      type: none
      device: /mnt/share #(挂载服务器上的路径,路径一定要存在不然启动会报错)
      o: bind

特别注意:在设置IP地址的时候修改的cvat_proxy属性这里是cvat属性,设置错了在连接共享目录的时候是连接不上的。设置完成之后记得重启服务一下,设置成功之后能看到下面的界面

使用教程

  1. 登录网站
    网站地址:*.*.*.*:8080
  2. 注册用户

可以通过上方链接来注册用户,也可以通过superuser去控制面板创建用户,可以设置用户的权限


3. 创建project和task

我们可以创建projecttask,区别在于一个project里面可以包含很多个task,这些子task会共用project的一些属性,里面label的种类框的颜色等。

  • 创建task
  • 相关设置
  • 任务设置

创建完task之后,可以指定任务分派给哪个用户,以及review是指定的用户,每个用户标注图片的数量等,非常方便多人协同标注。

总结

CVAT考虑的还是非常全面的,用起来也非常的方便,方便我们管理数据,它还是支持半监督的标注任务利用模型来做预测,通过人工对标注的数据做调整提供标注的效率。

CVAT还有许多的功能,这里我就没一一列出,更详细的介绍大家可以CVAT的git上面查看

相关推荐

最强聚类模型,层次聚类 !!_层次聚类的优缺点

哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...

python决策树用于分类和回归问题实际应用案例

决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...

Python教程(四十五):推荐系统-个性化推荐算法

今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...

简单学Python——NumPy库7——排序和去重

NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...

PyTorch实战:TorchVision目标检测模型微调完

PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...

C4.5算法解释_简述c4.5算法的基本思想

C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...

Python中的数据聚类及可视化分析实践

探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...

用Python来统计大乐透号码的概率分布

用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...

python:支持向量机监督学习算法用于二分类和多分类问题示例

监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...

25个例子学会Pandas Groupby 操作

groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...

数据挖掘流程_数据挖掘流程主要有哪些步骤

数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...

使用Python寻找图像最常见的颜色_python 以图找图

如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...

财务预算分析全网最佳实践:从每月分析到每天分析

原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...

常用数据工具去重方法_数据去重公式

在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...

Python教程(四十):PyTorch深度学习-动态计算图

今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...