YOLO视觉检测应用标注篇（五）

基于SAM2的半自动标注

之前介绍了使用Labelme等工具进行标注。
今天介绍下新的工具，并且使用SAM2来实现半自动的标注。

半自动标注与全自动标注

所谓半自动标注与全自动标注，其实并非完全无人工参与。

半自动标注

我这边所谓的半自动标注，指的是：
人工点击目标，自动生成矩形框。无需人工进行框选。
虽然人工依然参与，但是工作量降低了很多。
而且可以实现非常高的精度，
适合用于最初始的训练数据集。

全自动标注

我这边所谓的全自动标注，指的是：
软件根据模型自动进行框选，但依旧需要人工复核，可能需要修正。
适合在预训练模型下增加数据集进行进一步训练使用。
这部分我们下一篇再介绍。

工具 X-Anylabeling

使用的工具是开源的X-Anylabeling
Github官网地址
这个软件可以直接生成YOLO的标注文件，不需要进行json2txt转换。
Demo界面

安装

最简单的是进入Releases下载最新的版本

TIP
如果从source安装，需要下载onnxruntime

# Install ONNX Runtime CPU
pip install onnxruntime==1.19.0

# Install ONNX Runtime GPU (CUDA 11.x)
pip install onnxruntime-gpu==1.19.0

# Install ONNX Runtime GPU (CUDA 12.x)
pip install onnxruntime-gpu --extra-index-url https://aiinfra.pkgs.visualstudio.com/PublicPackages/_packaging/onnxruntime-cuda-12/pypi/simple/

*INFO
如果出现DLL Load failed报警，推荐首先检查onnxruntime的版本

本篇使用GUI程序举例

手动标注

TIP
如果需要使用中文，请在语言菜单中选择中文

选择目录后会导入图片。
左侧选择合适的形状去进行框选，定义目标物的分类，就可以完成手动的标注。

导入模型

要使用SAM2进行半自动的标注，首先需要导入模型。
点击左侧的AI标识，会在菜单栏下方显示导入模型的下拉框。
理论上我们此时可以选择Segment Anything 2.1就可以应用了。
但是，由于网络的关系，我们可能无法正常下载到模型。
这时我们需要手动加载模型。

加载目录

首先，我们先下载一个对应的模型，比如Segment Anything 2.1(Tiny)
直到软件报错"Error Loading..."
然后，在当前用户目录下查找~/xanylabeling_data/models
比如：c:/userprofile/user/anylabeling_data
我们看到生成了一个名为sam2_hiera_tiny-r20240801的文件夹，但里面是空的。

下载模型

接着，我们从官方的Model_zoo下载需要的模型和配置文件
举例SAM2.1 Tiny的话分为三个文件：

sam2.1_hiera_tiny.encoder.onnx 百度网盘|Github
sam2.1_hiera_tiny.decoder.onnx 百度网盘|Github
sam2_hiera_tiny.yaml
将下载的模型放入到模型文件夹中

TIP
前面生成文件夹的步骤其实可以省略
但是需要自己编辑yaml文件使得完全一致