Skip to content

Latest commit

 

History

History
174 lines (139 loc) · 10.7 KB

Q&A.md

File metadata and controls

174 lines (139 loc) · 10.7 KB
Raw

文档说明

本文档旨在针对大家在使用 X-AnyLabeling 项目中碰到的一些常见问题进行梳理，以更好地帮助大家使用该工具，后续会不间断地更新此文档。

功能支持

Q: X-AnyLabeling 目前支持哪些标注样式？
A: 当前支持多边形、矩形、圆形、直线和点。

Q: X-AnyLabeling 目前提供哪些基础模型？
A: 详情可移步至 models_list 文档查看。

标签转换

Q: 如何将打标完的 *.json 标签文件转换为 YOLO/VOC/COCO 等主流格式？
A: 考虑到当前标注工具框架的兼容性，为了更好的扩展和维护，目前部分功能并没有集成到工具内，而是视为一个独立的组件抽离出来供大家使用，同时也方便大家修改。
针对工具本身自定义(custom)的格式，我们可以使用工程目录下的 tools/label_converter.py 脚本轻松转换，以下是参考的转换指令：

#=============================================================================== Usage ================================================================================#
#
#---------------------------------------------------------------------------- custom2voc  -----------------------------------------------------------------------------#
# python tools/label_converter.py --task xxx --src_path xxx_folder --dst_path xxx_folder --classes xxx.txt --mode custom2voc
#
#---------------------------------------------------------------------------- voc2custom  -----------------------------------------------------------------------------#
# python tools/label_converter.py --task xxx --src_path xxx_folder --img_path xxx_folder --classes xxx.txt --mode voc2custom
#
#---------------------------------------------------------------------------- custom2yolo  ----------------------------------------------------------------------------#
# python tools/label_converter.py --task xxx --src_path xxx_folder --dst_path xxx_folder --classes xxx.txt --mode custom2yolo                   
#
#---------------------------------------------------------------------------- yolo2custom  ----------------------------------------------------------------------------#
# python tools/label_converter.py --task xxx --src_path xxx_folder --img_path xxx_folder --classes xxx.txt --mode yolo2custom
#
#---------------------------------------------------------------------------- custom2coco  ----------------------------------------------------------------------------#
# python tools/label_converter.py --task xxx --src_path xxx_folder --dst_path xxx_folder --classes xxx.txt --mode custom2coco                      
#
#---------------------------------------------------------------------------- coco2custom  ----------------------------------------------------------------------------#
# python tools/label_converter.py --task xxx --src_path xxx.json --dst_pat xxx_folder --img_path xxx_folder --classes xxx.txt --mode coco2custom                     
#
#---------------------------------------------------------------------------- custom2dota  ----------------------------------------------------------------------------#
# python tools/label_converter.py --task rotation --src_path dota_image_folder --dst_path save_folder --mode custom2dota
#
#---------------------------------------------------------------------------- dota2custom  ----------------------------------------------------------------------------#
# python tools/label_converter.py --task rotation --src_path dota_label_folder --img_path dota_image_folder --mode dota2custom
#
#---------------------------------------------------------------------------- dota2dcoco   ----------------------------------------------------------------------------#
# python tools/label_converter.py --task rotation --src_path dota_label_folder --dst_path xxx.json --img_path dota_image_folder --classes xxx.txt --mode dota2dcoco
#
#---------------------------------------------------------------------------- dcoco2dota   ----------------------------------------------------------------------------#
# python tools/label_converter.py --task rotation --src_path xxx.json --dst_path dota_folder --mode dcoco2dota
#
#=============================================================================== Usage ================================================================================#

注意：

  1. 目前 --task 支持的任务有 ['rectangle', 'polygon'] 即矩形框和多边形框两种，其中多边形框任务只提供 yolo 和 custom 之间的互相转换，方便大家训练检测和分割任务。至于其它的任务，如关键点等，可以参考下脚本自行修改适配下。
  2. 此处 --classes 参数指定的 *.txt 文件是用户预定义的类别文件，每一行代表一个类别，类别编号按从上到下的顺序编排，可参考 assets 目录下的 classes.txt。

Q: 语义分割任务如何将输出的标签文件转换为 *.png 格式输出？
A: 针对工具本身自定义(custom)的格式，我们可以使用工程目录下的 tools/polygon_mask_conversion.py 脚本轻松转换，以下是参考的转换指令：

python tools/polygon_mask_conversion.py --img_path xxx_folder --mask_path xxx_folder --mode poly2mask

# [option] 如果标签和图像不在同一目录下，请使用以下命令：
python tools/polygon_mask_conversion.py --img_path xxx_folder --mask_path xxx_folder --json_path xxx_folder --mode poly2mask

同样地，也支持将掩码图一键转换为自定义格式导入 X-AnyLabeling 中进行修正，输出的 *.json 文件默认保存至 'img_path' 目录：

python tools/polygon_mask_conversion.py --img_path xxx_folder --mask_path xxx_folder --mode mask2poly

工具使用

Q: 如何修改自定义快捷键？
A: 可通过修改当前设备的用户根目录下的 .anylabelingrc 文件：

#Linux
cd ~/.anylabelingrc

#Windows
cd C:\\Users\\xxx\\.anylabelingrc

Q: 如何使用 SAM 系列模型？
A: 可参考以下步骤实施：

  1. 点击菜单栏左侧的Brain标志按钮以激活AI功能选项；
  2. 从下拉菜单Model中选择Segment Anything Models系列模型；

说明：模型精度和速度因模型而异，其中

  • Segment Anything Model (ViT-B) 是最快的但精度不高；
  • Segment Anything Model (ViT-H) 是最慢和最准确的；
  • Quant 表示量化过的模型；
  1. 使用自动分割标记工具标记对象：
  • +Point：添加一个属于对象的点；
  • -Point：移除一个你想从对象中排除的点；
  • +Rect：绘制一个包含对象的矩形。Segment Anything 将自动分割对象。
  1. 清除：清除所有自动分割标记；
  2. 完成对象(f)：当完成当前标记后，我们可以及时按下快捷键f，输入标签名称并保存当前对象。

注意

  1. X-AnyLabeling 在第一次运行任何模型时，需要从服务器下载模型，需要一段时间，这具体取决于本地的网络速度；
  2. 第一次进行 AI 推理也需要时间，请耐心等待，因此后台任务会运行以缓存SAM模型的“编码器”，在接下来的图像中自动分割模型需要时间会缩短。

Q: 如何支持自定义模型？
A: 请参考 custom_model.md 文档。

Q: 如何编译打包成可执行文件？
A：可参考以下打包指令：

#Windows-CPU
bash scripts/build_executable.sh win-cpu

#Windows-GPU
bash scripts/build_executable.sh win-gpu

#Linux-CPU
bash scripts/build_executable.sh linux-cpu

#Linux-GPU
bash scripts/build_executable.sh linux-gpu

注意事项：

  1. 编译前请针对相应的 GPU/CPU 版本修改 anylabeling/app_info.py 文件中的 __preferred_device__ 参数；
  2. 如果需要编译GPU版本，请通过pip install -r requirements-gpu-dev.txt安装对应的环境；特别的，对于 Windows-GPU 版本的编译，请自行修改 anylabeling-win-gpu.spec 的 datas 列表参数，将您本地的onnxruntime-gpu的相关动态库*.dll添加进列表中；此外，下载 onnxruntime-gpu 包是需要根据 CUDA 版本进行适配，具体匹配表可参考官方文档说明。
  3. 对于 macos 版本可自行参考 anylabeling-win-*.spec 脚本进行修改。

问题反馈

Q: Grounding-DINO系列模型加载失败 A: 由于防火墙的原因，可能没有配置科学上网的同学会遇到加载失败的问题。如果是源码运行的用户，可以通过手动加载的方式的将依赖文件下载到对应的缓存目录上，具体可参考官方文档。对于下载可执行文件的用户，Linux平台同上；针对Windows平台用户，可以将对应的 models--bert-base-uncased 压缩包解压后与 *.exe 文件放置到同一目录下运行即可。

Q: 初始化加载时下载模型失败如何处理？
A: 由于当前模型权重暂存在 github 上，下载前请先开启科学上网，否则大概率会因为网络问题下载失败；如果不具备条件的可考虑手动下载方式，将下载好的 *.onnx 文件放置到当前系统用户目录下的 anylabeling_data/models/xxx 下。
这里 xxx 为对应的模型的名称，具体地可参考 X-anylabeling/anylabeling/configs/auto_labeling/models.yaml 文件中的对应 model_name 字段，示例如下：

(x-anylabeling) cvhub@CVHub:~/anylabeling_data$ tree
.
└── models
    ├── mobile_sam_vit_h-r20230810
    │   ├── mobile_sam.encoder.onnx
    │   └── sam_vit_h_4b8939.decoder.onnx
    ├── yolov5s-r20230520
    │   └── yolov5s.onnx
    ├── yolov6lite_s_face-r20230520
    └── yolox_l_dwpose_ucoco-r20230820
        ├── dw-ll_ucoco_384.onnx
        └── yolox_l.onnx

Q: 能正常加载模型，但推理没结果？
A: 请先下载源码，在终端运行，查看具体的报错信息再尝试解决，如解决不了可在 issue 提交反馈。

Q: Linux 环境下 GUI 界面中文显示乱码？
A: 这是由于当前系统环境缺乏中文字体，可以参考以下步骤配置。

cd /usr/share/fonts
sudo mkdir myfonts
cd myfonts
sudo cp /mnt/c/Windows/Fonts/simsun.ttc .
sudo mkfontscale
sudo mkfontdir
sudo fc-cache -fv

注：此处 /mnt/c/Windows/Fonts/simsun.ttc 为新宋体文件，大家可以将自己喜欢的支持中文的 *.ttc 文件拷贝到 myfonts 目录下即可。