语义分割
由于后续会做无人机遥感分割、加上朋友之前提过要做苹果识别、以及师兄这几天做谷粒分割，都需要自己领域的数据标记。但语义分割一个个轮廓点标记，想想就头大，必先利其器！就挑选并测试了2.5个开源的半自动化语义分割标注工具：三星的RITM、百度飞桨分割中的EISeg以及Opencv组织的CVAT。RITM Demo
测试结果： 整体来说EISeg最优，其次RITM，CVAT搞了半天没搞明白。。最后嫌麻烦没测试半自动标记。不得不说，百度这个工具做的不错，而且还开源，名族之光 。
我的设备有一个RTX2070显卡+64GB内存，使用总结如下：
[*] 运行RITM仍然不太流畅（即使用最轻量的辅助模型），而且界面做的很粗糙，标记感受不太好。
[*] EISeg（基于RITM改进的）运行起来很流畅，界面还行，功能该有的都有，还能自动栅格化大尺寸图象，也能自动保存，用起来很舒服。
[*] CVAT必须要用docker部署，而且想用半自动还得下载nuclio、Nvidia Container Toolkit这些，我之前用OpenDroneMap做无人机拼图的时候就对docker感觉不好，很不稳定常出bug、内存占用大；所以简单配置部署CVAT后，就没再去加入自动化了（关键是好麻烦，看着就不想用）
具体来说：
一、RITM
安装较为简单（需要pytorch支持），去官方gihub上下载项目zip、预训练的models，再按照语句运行即可。
RITM基于TKinter开发的一个小界面，虽然运行不流畅，但功能也很精简。只有加载图像、点击添加目标正负点（+自动掩膜生成）、完成目标和保存掩膜这些。没有内置快捷键，导致实际使用标记效率较低。（而且好像只能生成掩膜？？看来作者开发这界面也就是论文的demo，没准备用于实际）
RITM 界面
简单测试了下，上图的豹子掩膜效果还不错，下图的水稻较为复杂，稀疏部分难以细分，不过也够了。
二、EISeg
安装更为简单（需要paddlepaddle安装支持），直接pip install eiseg再输入eiseg即可。
EISeg Demo
这是百度飞桨PaddleSeg中的交互式分割标注软件，界面更流畅，是基于pyqt5开发的。软件右侧基本和RITM差不多，增添了类别标签列表，很方便。
EISeg 界面
软件左上有不少功能框，有三个亮点：
1. 文件里面能按照文件夹加载就很方便，也会默认加载上次的记录。
2. 功能里面可以保存coco标签了，甚善，而且还能保存扣出的前景图，很不错。
3. 显示里面有一个宫格标注，把大尺寸图像划分成小块，一个块一个块标记，最后拼起来，这功能也很有用。无人机遥感图一般起步好几千的像素长宽（拼接正射影像更大），需要放大才好标记小目标。而且拼起来有助于后续随机采样用。（加载了27k*18k的tiff尝试，都可以！）
软件功能栏－文件，－功能
然后发现还支持多波段和遥感，tiff多光谱有法子了，nice！nice！
功能栏－显示
试了试师兄的籽粒分割，把粘连的作为多类（之后再合并），比如一次粘连，二次粘连，有奇效。
粘连籽粒多类分割
总的来说，EISeg用起来很舒服，场景也多样，相见恨晚啊！
三、CVAT
跟前两个比起来，CVAT的安装着实有点劝退。好在之前有用过docker，但是想用半自动标记还得搞一堆操作，就没去尝试了。还是EISeg人性化。
基础安装
自动化需要
各种安装
想用GPU还要额外安装。。。
试着试用了一下普通版，跟labelme这些比，也没有很特别的优势
CVAT 界面
但CVAT在github上的星号，却很多，有点不解。看视频Demo倒也还行，就是整体的安装和稳定性，嗯...
最后总的来说，批量标记语义分割数据的话，选EISeg就完了，性能好，也算是支持国产了。 用eiseg标注生成的json文件好像和labelme标注生成的json文件不一样，请问怎样转换可以训练
页:
[1]