半自動圖像標記工具

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

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！