BMW Labeltool Lite简介
BMW Labeltool Lite是宝马创新实验室(BMW Innovation Lab)开发的一款开源图像标注工具。它专为深度学习训练数据的准备而设计,具有配置简单、使用方便的特点。该工具主要聚焦于基于边界框的训练数据标注,能够帮助用户快速为最先进的深度学习模型训练准备高质量的标注数据。
作为一款功能强大的标注工具,BMW Labeltool Lite提供了以下主要特性:
- 支持边界框标注
- 提供直观的图形用户界面
- 支持连接预训练或自定义模型实现自动标注
- 支持多种导航和图像处理选项
- 提供丰富的边界框编辑功能
- 支持将标注结果导出为多种格式
此外,BMW Labeltool Lite还可以与宝马开发的其他深度学习工具无缝集成,如BMW-TensorFlow-Training-GUI和BMW-YOLOv4-Training-Automation等,形成完整的深度学习工作流程。
工具安装与使用
安装前提
在安装BMW Labeltool Lite之前,需要确保系统满足以下条件:
- 操作系统:Windows或Ubuntu
- 已安装Docker和Docker-compose
值得注意的是,用户可能需要增加Docker使用的共享内存大小。
运行BMW Labeltool Lite
- 克隆项目仓库到本地
- 在项目目录下运行Docker命令启动容器
- 打开浏览器,访问localhost:8081即可开始使用
对于没有自己数据集的用户,BMW Labeltool Lite还提供了一个样本数据集供使用。
主要功能介绍
导航选项
BMW Labeltool Lite提供了多种便捷的导航选项,方便用户在数据集中自如移动:
- 跳转到下一张/上一张图像
- 跳转到下一张/上一张未标注的图像
- 直接输入图像编号进行跳转
- 通过滚动条选择任意图像
除此之外,该工具还提供了以下实用功能:
- 图像缩放
- 亮度调节
- 上传新图像
- 显示图像属性
- 删除图像及对应的标注框
边界框功能
BMW Labeltool Lite为边界框标注提供了丰富的编辑功能:
- 调整边界框大小
- 拖拽移动边界框位置
- 复制边界框
- 设置边界框填充或空心样式
- 调整边界框线条粗细
这些功能的组合使得用户可以快速、精确地完成边界框标注工作。
自定义数据集准备
BMW Labeltool Lite支持用户使用自定义数据集。要准备自定义数据集,需要按照以下步骤操作:
- 在项目的training-data文件夹中创建新的数据集文件夹
- 在topics.json文件中添加新数据集的信息
- 在数据集文件夹中创建images、labels等必要的子文件夹
- 创建objectclasses.json文件,定义标注类别
完成这些步骤后,用户就可以使用自己的数据集进行标注工作了。
与其他工具集成
BMW Labeltool Lite可以与BMW开发的其他深度学习工具无缝集成,形成完整的工作流程:
与Tensorflow GUI集成
- 下载BMW-TensorFlow-Training-GUI项目
- 将标注好的数据集复制到Tensorflow GUI项目的datasets文件夹中
- 按照Tensorflow GUI的说明文档进行后续操作
与YOLOv4训练自动化工具集成
- 使用converttoyolo.py脚本将标注结果转换为YOLO格式
- 将数据集复制到YOLO项目的指定位置
- 创建train_config.json配置文件
- 按照YOLOv4训练自动化工具的说明文档进行后续操作
加速图像标注
BMW Labeltool Lite支持连接预训练模型来加速标注过程。用户只需修改docker-compose.yml文件,添加模型容器的相关配置,即可实现自动标注建议功能。
已知问题
- 目前仅支持连接一个模型用于"建议边界框"功能
- 所有JSON文件需使用UTF-8编码,否则可能出错
总结
BMW Labeltool Lite作为一款功能强大、易于使用的图像标注工具,为深度学习从业者提供了极大的便利。它不仅支持基本的边界框标注,还提供了自动标注、多种导出格式等高级功能。与BMW其他深度学习工具的无缝集成,更是使其成为构建完整深度学习工作流的理想选择。无论是初学者还是专业人士,BMW Labeltool Lite都是一个值得尝试的优秀工具。
🔗 项目地址: BMW-Labeltool-Lite
通过使用BMW Labeltool Lite,用户可以大大提高图像标注的效率和质量,为后续的深度学习模型训练奠定坚实的数据基础。随着计算机视觉和深度学习技术的不断发展,相信这款工具还将继续evolve,为更多开发者和研究人员提供有力支持。👨💻🚀
