window10下半自动标注

前言

我看了一眼我们项目的标签很多不行，得重新标注。想借助一下自动标注或者半自动标注救救一万多近两万张照片

方法1：easyDL智能标注

(1)借助百度easyDL进行标注

1. 选择EasyDL图像–>物体检测
   
   我是做图像识别所以选择EasyDL图像
   
2. 简单的注册信息之后导入图片或者是压缩包就可以进行标注了
3. 我标注了百来张就想试试自动标注
   
   实际上后面还是要更正和修正
   最后可以在数据总览看见如下图的结果
4. 点击红圈圈出的“立即前往”，进入EasyDAata，点击 “立即使用”，再点击“导出”
   
5. 在等待一段时间之后就可以下载了
   

最后放上一张结果图

它是一一对应的
后面估计还得写一个脚本，把两种文件分开
我写的脚本都会因为版权限问题失败，后面发现我自己好呆。直接在搜索栏里面输入.jpg或者是.json,然后全选复制到另一个文件夹就行了

方法2：使用labelimg和pytorch框架下的yolov5实现自动标注

（1）环境配置

环境配置的就不说了
框架选用的也是pytorch

（2）思路

先训练一个小批量数据的模型，然后使用这个权重进行识别并进行标注

！！！提醒一下大家小样本的训练集的数量，也不能真的太小（建议是有千来张，建议是根据自己的数据集）

出于两方面的考虑：①样本太小训练效果不好，到后面有可能变成半手动（出力不讨好）
②可以适当增加一些比较特殊的训练样本以增加训练效果

(3)步骤

1 ）首先就是先训练一个小的权重

1. 先利用之前标注好的文件进行yolov5训练

不知道怎么训练的看看Pytorch搭建YoloV5目标检测平台
但是有一个问题就是博主给的代码和官方给的代码是有差异的

左边是该博主的代码右边是在官网下载的,而且生成的权重文件是pth类型，官网下载的生成的好像是pt文件

2. 如果只按照这个博主来的接下来就得考虑pth转pt文件了

下次一定写个脚本！！！

---

1. 使用官方的代码的话
   可以看看我之前写的这篇可能有些地方写得不清楚，可以私信我或者是直接评论，看到了（我会的 ）一定解答

---

2）开始自动标注

我试了很多代码最后效果比较好的就是神秘cv男的自动标注整体操作比较简单，还有视频讲解。
操作下：

1. 直接在github下载在这
2. 然后放入yolov5的文件夹中
3. pip Install natsort 因为之前没下载过报红了
4. 给个示意图吧！
5. 
   一万六千张照片一会就搞完了！但是我发现有一个比较麻烦的问题是他只能在window系统下运行，如果在linux（我用的是ubantu）就会出现xml文件进入不了文件夹子！！！
   下次一定改改！下次一定下次一定！

---

3）xml转成yolo（即txt）格式

import xml.etree.ElementTree as ET

import pickle
import os
from os import listdir, getcwd
from os.path import join
import glob

###！！！！！！！！！###
###(1)改类名
classes = ['number']


def convert(size, box):
    dw = 1.0 / size[0]
    dh = 1.0 / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_name):
    ###！！！！！！！！！###
    #（2）修改为自己的xml路径
    in_file = open('D:/computervision/ocr/data/xml_file/' + image_name[:-3] + 'xml')  # xml文件路径
    #（3）改txt路径
    out_file = open('D:/computervision/ocr/data/txt/' + image_name[:-3] + 'txt', 'w')  # 转换后的txt文件存放路径
    f = open('D:/computervision/ocr/data/xml_file/' + image_name[:-3] + 'xml')
    xml_text = f.read()
    root = ET.fromstring(xml_text)
    f.close()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        cls = obj.find('name').text
        if cls not in classes:
            print(cls)
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


wd = getcwd()

if __name__ == '__main__':
    ###！！！！！！！！！###
    ###(4)改jpg文件路径
    for image_path in glob.glob("D:/computervision/ocr/data/jpg_file/*.jpg"):  # 每一张图片都对应一个xml文件这里写xml对应的图片的路径
        image_name = image_path.split('\\')[-1]
        convert_annotation(image_name)

这份代码存在一个问题就是没有xml文件（因为训练结果可能不一定保证每一张图片都能标注到），此时就要手动修正了！

方法3：基于PaddleHub和Labelimg

emmm…前面两种效果都很好 ，我就没仔细研究。下次一定!下次一定！