Github | 基于RetinaNet的半自动图像标记工具

本库的作者 Viraj Mavani，提供了一个新的图像注释工具，该工具包含一个名为 RetinaNet 的现有最先进物体检测模型，来显示并注释常用的 80 个对象类的建议，以此来减少开发者的负担。

Github 链接：

https://github.com/virajmavani/semi-auto-image-annotation-tool

安装

1. Clone 本库

2. 在库中，执行 pip install . --user。请注意，由于安装 Tensorflow 的方法不同，该软件包并未定义对张量流的依赖性，不过它会尝试安装（至少在 Arch Linux 导致错误的安装结果的时候）。

3. 下载预训练的权重并将其保存在/快照中。

依赖

1. Tensorflow >= 1.7.0

2. OpenCV >= 3.4.0

3. Keras >= 2.1.3

4. For, Python >= 3.5

用法

python main.py

1. 从下拉菜单中选择需要建议的COCO对象类，然后添加它们。

2. 手动注释时，从列表中选择对象类，并保持选中状态，然后选择BBox。

3. 最终的注释可以annotations.csv在./annotations/ 中的文件中找到

推荐阅读