🥳 最新动态
- 2024年8月:
- 🤗 预发布最新版本 2.4.0 🤗
- ✨✨✨ 支持 Segment-Anything-2 模型! (推荐)
- 👏👏👏 支持 Grounding-SAM2 模型。
- 支持日文识别的轻量级模型。
- 2024年7月:
- 增加PPOCR-Recognition和KIE的导入/导出功能以训练PP-OCR任务。
- 增加ODVG导入/导出功能以训练定位任务。
- 增加标注KIE链接字段的支持。
- 支持 RT-DETRv2 模型。
- 支持 Depth Anything v2 模型。
- 2024年6月:
- 支持 YOLOv8-Pose 模型。
- 增加 yolo-pose 导入/导出功能。
- 2024年5月:
- 支持 YOLOv8-World,YOLOv8-oiv7,YOLOv10 模型。
- 发布版本 2.3.6。
- 增加显示置信分数的功能。
- 2024年3月:
- 发布版本 2.3.5。
- 2024年2月:
- 2024年1月:
- 结合CLIP和SAM模型以增强语义和空间理解。示例如此。
- 在深度估计任务中增加对 Depth Anything 模型的支持。
- 发布版本 2.3.0。
- 支持 YOLOv8-OBB 模型。
- 支持 RTMDet 和 RTMO 模型。
- 发布基于YOLOv5的中式车牌检测和识别模型。
- 2023年12月:
- 2023年11月:
- 发布版本 2.1.0。
- 支持 InternImage 模型 (CVPR'23)。
- 发布版本 2.0.0。
- 添加支持 Grounding-SAM,将GroundingDINO与HQ-SAM 结合,实现最先进的零样本高质量预测!
- 加强对HQ-SAM模型的支持,实现高质量的掩膜预测。
- 支持 PersonAttribute和VehicleAttribute模型的多标签分类任务。
- 引入新的多标签属性标注功能。
- 发布版本 1.1.0。
- 支持姿态估计:YOLOv8-Pose。
- 支持带有yolov5_ram的对象级标签。
- 添加新功能,基于Grounding-DINO为任意未知类别启用批量标注。
- 2023年10月:
- 发布版本 1.0.0。
- 添加旋转框的新功能。
- 支持 YOLOv5-OBB 与 DroneVehicle 和 DOTA-v1.0/v1.5/v2.0 模型。
- 最先进的零样本物体检测 - GroundingDINO 发布。
- 最先进的图像标注模型 - Recognize Anything 发布。
- 支持 YOLOv5-SAM 和 YOLOv8-EfficientViT_SAM 联合任务。
- 支持 YOLOv5 和 YOLOv8 分割任务。
- 发布 Gold-YOLO 和 DAMO-YOLO 模型。
- 发布 MOT 算法: OC_Sort (CVPR'23)。
- 添加使用 SAHI 进行小物体检测的新功能。
- 2023年9月:
- 2023年8月:
- 2023年7月:
- 添加 label_converter.py 脚本。
- 发布 RT-DETR 模型。
- 2023年6月:
- 发布 YOLO-NAS 模型。
- 支持实例分割: YOLOv8-seg。
- 添加 README_zh-CN.md。
- 2023年5月:
👋 简要介绍
X-AnyLabeling
是一款出色的注释工具,完美整合了AI推理引擎和一系列高度复杂的功能。针对实际应用,它致力于为图像数据工程师提供全面的工业级解决方案。该工具在多样且复杂的任务中,快速且自动地执行标注,表现优异。
🔥 亮点
🗝️主要功能
- 支持使用
GPU
进行推理加速。 - 处理
图像
和视频
。 - 允许所有任务的单帧和批量预测。
- 便于定制模型并支持二次开发设计。
- 支持一键导入和导出COCO、VOC、YOLO、DOTA、MOT和MASK等主流标签格式。
- 涵盖包括
分类
、检测
、分割
、描述
、旋转
、跟踪
、估计
和OCR
在内的一系列视觉任务。 - 支持多种图像标注样式,包括
多边形
、矩形
、旋转框
、圆形
、直线
、点
以及用于文本检测
、识别
和KIE
的标注。
⛏️模型库
| **物体检测** | **使用 [SAHI](https://github.com/obss/sahi) 进行 SOD** | **人脸标志点检测** | **二维姿态估计** |
| :---: | :---: | :---: | :---: |
| | | | |
| **二维车道检测** | **OCR** | **多目标跟踪** | **实例分割** |
| | | | |
| **图像标记** | **Grounding DINO** | **识别** | **旋转** |
| | | | |
| **[SAM](https://segment-anything.com/)** | **BC-SAM** | **Skin-SAM** | **Polyp-SAM** |
| | | | |
更多细节,请参考 👉 model_zoo 👈
📋 使用方法 ⏏️
点击展开/收起
快捷键 | 功能 |
---|---|
d | 打开下一个文件 |
a | 打开上一个文件 |
Ctrl + Shift + d | 打开下一个标记文件 |
Ctrl + Shift + a | 打开上一个标记文件 |
p 或 [Ctrl+n] | 创建多边形 |
o | 创建旋转 |
r 或 [Crtl+r] | 创建矩形 |
i | 运行模型 |
q | SAM 模式的“正点” |
e | SAM 模式的“负点” |
b | 快速清除 SAM 模式的点 |
f | 快速确认 SAM 模式的目标 |
g | 分组选定的形状 |
u | 取消分组选定的形状 |
s | 隐藏选定的形状 |
w | 显示选定的形状 |
Ctrl + q | 退出 |
Ctrl + i | 打开图片文件 |
Ctrl + o | 打开视频文件 |
Ctrl + u | 从目录加载所有图像 |
Ctrl + e | 编辑标签 |
Ctrl + j | 编辑多边形 |
Ctrl + c | 复制选定的形状 |
Ctrl + v | 粘贴选定的形状 |
Ctrl + d | 复制多边形 |
Ctrl + g | 显示概览注释统计数据 |
Ctrl + h | 切换可见形状 |
Ctrl + p | 切换保持以前的模式 |
Ctrl + y | 切换自动使用上一个标签 |
Ctrl + m | 一次运行所有图像 |
Ctrl + a | 启用自动注释 |
Ctrl + s | 保存当前注释 |
Ctrl + l | 切换可见标签 |
Ctrl + t | 切换可见文本 |
Ctrl + Shift + s | 更改输出目录 |
Ctrl - | 缩小 |
Ctrl + 0 | 缩放到原始尺寸 |
[Ctrl++, Ctrl+=] | 放大 |
Ctrl + f | 适合窗口 |
Ctrl + Shift + f | 适合宽度 |
Ctrl + z | 撤销上一次操作 |
Ctrl + Delete | 删除文件 |
Delete | 删除多边形 |
Esc | 取消选定对象 |
Backspace | 删除选定点 |
↑→↓← | 键盘箭头移动选定对象 |
zxcv | 键盘旋转选定矩形框 |
📧 联系我们 ⏏️
🤗 享受这个项目吗?请给它一颗星! 🤗
如果您发现这个项目有用或有趣,请考虑给它加星以表示支持。如果您在使用过程中有任何问题或遇到任何问题,请通过以下方法寻求帮助:
- 创建问题
- 邮箱: cv_hub@163.com
✅ 许可证 ⏏️
此项目在 GPL-3.0 license 下发布。
🙏🏻 致谢 ⏏️
我衷心感谢以下项目的开发者和贡献者:LabelMe, LabelImg, roLabelImg, AnyLabeling, PPOCRLabel 和 Computer Vision Annotation Tool。他们的奉献和贡献在本项目的成功中发挥了至关重要的作用。
🏷️ 引用 ⏏️
BibTeX
如果您在研究中使用了这个软件,请按以下格式引用:
@misc{X-AnyLabeling,
year = {2023},
author = {魏王},
publisher = {Github},
organization = {CVHub},
journal = {Github repository},
title = {具有新增功能的高级自动标注解决方案},
howpublished = {\url{https://github.com/CVHub520/X-AnyLabeling}}
}