GitHub - winnerid/SAM-Tool: 利用Segment Anything(SAM)模型进行快速标注

SAM-Labelimg

利用Segment Anything(SAM)模型进行快速标注

1.下载项目

项目2：https://github.com/facebookresearch/segment-anything

git clone https://github.com/zhouayi/SAM-Tool.git

git clone https://github.com/facebookresearch/segment-anything.git
cd segment-anything
pip install -e .

下载SAM模型：https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth

2.把数据放置在`<dataset_path>/images/*`这样的路径中，并创建空文件夹`<dataset_path>/embeddings`

3.将项目1中的`helpers`文件夹复制到项目2的主目录下

3.1 运行`extrac_embeddings.py`文件来提取图片的`embedding`

# cd到项目2的主目录下
python helpers\extract_embeddings.py --checkpoint-path sam_vit_h_4b8939.pth --dataset-folder <dataset_path> --device cpu

checkpoint-path：上面下载好的SAM模型路径
dataset-folder：数据路径
device：默认cuda，没有GPU用cpu也行的，就是速度挺慢的

运行完毕后，<dataset_path>/embeddings下会生成相应的npy文件

3.2 运行`generate_onnx.py`将`pth`文件转换为`onnx`模型文件

# cd到项目2的主目录下
python helpers\generate_onnx.py --checkpoint-path sam_vit_h_4b8939.pth --onnx-model-path ./sam_onnx.onnx --orig-im-size 1080 1920

checkpoint-path：同样的SAM模型路径
onnx-model-path：得到的onnx模型保存路径
orig-im-size：数据中图片的尺寸大小（height, width）

【注意：提供给的代码转换得到的onnx模型并不支持动态输入大小，所以如果你的数据集中图片尺寸不一，那么可选方案是以不同的orig-im-size参数导出不同的onnx模型供后续使用】

4.将生成的`sam_onnx.onnx`模型复制到项目1的主目录下，运行`segment_anything_annotator.py`进行标注

# cd到项目1的主目录下
python segment_anything_annotator.py --onnx-model-path sam_onnx.onnx --dataset-path <dataset_path> --categories cat,dog

onnx-model-path：导出的onnx模型路径
dataset-path：数据路径
categories：数据集的类别（每个类别以,分割，不要有空格）

在对象位置出点击鼠标左键为增加掩码，点击右键为去掉该位置掩码。

其他使用快捷键有：

`Esc`：退出app	`a`：前一张图片	`d`：下一张图片
`k`：调低透明度	`l`：调高透明度	`n`：添加对象
`r`：重置	`Ctrl+s`：保存

最后生成的标注文件为coco格式，保存在<dataset_path>/annotations.json。

5.检查标注结果

python cocoviewer.py -i <dataset_path> -a <dataset_path>\annotations.json

6.其他

修改标注框线条的宽度的代码位置

# salt/displat_utils.py
class DisplayUtils:
    def __init__(self):
        self.transparency = 0.65 # 默认的掩码透明度
        self.box_width = 2 # 默认的边界框线条宽度

修改标注文本的格式的代码位置

# salt/displat_utils.py
def draw_box_on_image(self, image, categories, ann, color):
    x, y, w, h = ann["bbox"]
    x, y, w, h = int(x), int(y), int(w), int(h)
    image = cv2.rectangle(image, (x, y), (x + w, y + h), color, self.box_width)

    text = '{} {}'.format(ann["id"],categories[ann["category_id"]])
    txt_color = (0, 0, 0) if np.mean(color) > 127 else (255, 255, 255)
    font = cv2.FONT_HERSHEY_SIMPLEX
    txt_size = cv2.getTextSize(text, font, 1.5, 1)[0]
    cv2.rectangle(image, (x, y + 1), (x + txt_size[0] + 1, y + int(1.5*txt_size[1])), color, -1)
    cv2.putText(image, text, (x, y + txt_size[1]), font, 1.5, txt_color, thickness=5)
    return image