半自動圖像標記工具
知識
05-25
在構建可以從任何場景檢測物體的人工智慧系統時,我們需要一個龐大的數據集來訓練和測試模型,並發現模型的缺點。現有的圖像注釋工具能夠提供一定的幫助,但是開發者仍要付出很大的努力。
本庫的作者 Viraj Mavani,提供了一個新的圖像注釋工具,該工具包含一個名為 RetinaNet 的現有最先進物體檢測模型,來顯示並注釋常用的 80 個對象類的建議,以此來減少開發者的負擔。
Github 鏈接:
https://github.com/virajmavani/semi-auto-image-annotation-tool
官網鏈接:
https://virajmavani.github.io/saiat/
安裝
Clone 本庫
在庫中,執行pip install . --user。請注意,由於安裝 Tensorflow 的方法不同,該軟體包並未定義對張量流的依賴性,不過它會嘗試安裝(至少在 Arch Linux 導致錯誤的安裝結果的時候)。
下載預訓練的權重並將其保存在/快照中。
依賴
Tensorflow >= 1.7.0
OpenCV >= 3.4.0
Keras >= 2.1.3
For, Python >= 3.5
用法
pythonmain.py
從Python入門-如何成為AI工程師
BAT資深演算法工程師獨家研發課程
最貼近生活與工作的好玩實操項目
班級管理助學搭配專業的助教答疑
學以致用拿offer,學完即推薦就業
新人福利
關注 AI 研習社(okweiwu),回復1領取
【超過 1000G 神經網路 / AI / 大數據資料】
谷歌發布最大圖像標註數據集,190 萬張圖片開啟公開圖像挑戰賽
TAG:AI研習社 |