LabelSAM-for-yolo

简易的yolo半自动标注库，目前只支持单目标。如果数据集图片背景复杂，可能工作量不比直接标的小，因为sam是通用的分割模型。但是开源适当通过调整参数修改。

主要源码在LabelSAM文件夹内。

项目结构：

1.LabelSAM:项目源码，请到segment-anything(https://github.com/facebookresearch/segment-anything)下下载segment_anything文件夹，放到该目录下。
2.images:存放待处理的图片文件，同labelimg的open dir路径。
3.labels:存放生成的标注的标签
4.model:存放SAM的模型文件，去https://github.com/facebookresearch/segment-anything#model-checkpoints下载对应的模型文件。
5.result:存放分割后的图像
6.main.py:项目的示例代码，用户没有其他需求时，只需要调整模型的参数达到符合自己任务的需求即可。

环境：

请去facebookresearch/segment-anything: The repository provides code for running inference with the SegmentAnything Model (SAM), links for downloading the trained model checkpoints, and example notebooks that show how to use the model. (github.com) 处下载

segment_anything

文件夹，并将其放到项目的LabelSAM/下。

并于

https://github.com/facebookresearch/segment-anything#model-checkpoints

下载对应模型。

python环境：

python>=3.8, as well as pytorch>=1.7 and torchvision>=0.8,opencv-python>=4.6.0

注意：SAM的推理对gpu性能要求较高，作者本身是3060，使用vit_l模型推理一张1080p的图像算是快显存极限了。不赶时间的话，gpu又不太好的同学，可以使用cpu训练，然后挂着跑。

###将loadModel中的device参数改为'cpu'.

基于SAM的yolo半自动标注后端。请配合labelimg使用，或者将生成的标注文件自己移动到其他软件下使用。

用法很简单，源码也加满了注释。直接使用的话可以将待处理图片放入

images/train

文件夹内

标注文件的默认路径在

labels/train

内，其中的temp文件夹都是给用户临时存放文件的。 ###然后运行main.py文件

可以选择是否保存检测完的图像，默认存放在

result/main

中。

最后，作者也是第一次开源这种项目，github也不太会用，课也多，开源细则可能理解的不充分，代码也烂。如果有大佬看不下去了可以直接锐评 qwq

可以的话能给我个小⭐⭐吗....

onelevenvy / labelsam-for-yolo Goto Github PK

labelsam-for-yolo's Introduction

LabelSAM-for-yolo

项目结构：

环境：

python环境：

注意：SAM的推理对gpu性能要求较高，作者本身是3060，使用vit_l模型推理一张1080p的图像算是快显存极限了。不赶时间的话，gpu又不太好的同学，可以使用cpu训练，然后挂着跑。

基于SAM的yolo半自动标注后端。请配合labelimg使用，或者将生成的标注文件自己移动到其他软件下使用。

Recommend Projects

React

Vue.js

Typescript

TensorFlow

Django

Laravel

D3

Recommend Topics

javascript

web

server

Machine learning

Visualization

Game

Recommend Org

Facebook

Microsoft

Google

Alibaba

D3

Tencent