X-AnyLabeling项目中使用自定义模型进行半自动标注的技术指南
2025-06-07 01:01:39作者:冯爽妲Honey
前言
在计算机视觉领域,标注数据是模型训练的重要基础工作。X-AnyLabeling作为一款优秀的标注工具,不仅提供了丰富的预训练模型支持,还允许用户导入自定义模型进行半自动标注,这大大提高了标注效率。本文将详细介绍如何在X-AnyLabeling中使用自定义模型进行半自动标注。
自定义模型的基本流程
使用自定义模型进行半自动标注主要包含以下几个步骤:
- 模型训练:在自己的数据集上训练模型
- 模型转换:将训练好的模型转换为ONNX格式
- 模型集成:将转换后的模型集成到X-AnyLabeling中
- 模型测试:验证模型在标注工具中的效果
模型转换详解
X-AnyLabeling要求模型必须为ONNX格式。对于PyTorch训练的用户,可以使用以下代码示例进行转换:
import torch
import segmentation_models_pytorch as smp
def pth_to_onnx():
# 加载训练好的模型
torch_model = torch.load('model.pth')
model = smp.UnetPlusPlus(
encoder_name="timm-regnety_320",
encoder_weights="imagenet",
in_channels=3,
classes=2,
)
model.load_state_dict(torch_model)
# 设置模型为评估模式
model.eval()
# 定义输入张量
batch_size = 32
input_shape = (3, 256, 256)
x = torch.randn(batch_size, *input_shape)
# 导出ONNX模型
torch.onnx.export(
model,
x,
"model.onnx",
opset_version=11,
do_constant_folding=True,
input_names=["input"],
output_names=["output"],
dynamic_axes={
"input": {0: "batch_size"},
"output": {0: "batch_size"}
}
)
转换时需要注意以下几点:
- 确保opset_version与X-AnyLabeling兼容
- 检查输入输出名称是否正确
- 验证转换后的模型能否正常推理
自定义模型集成
在X-AnyLabeling中集成自定义模型需要创建一个继承自Model类的Python文件。以下是一个完整的示例:
import cv2
import numpy as np
from PyQt5.QtCore import QCoreApplication
from anylabeling.views.labeling.shape import Shape
from anylabeling.views.labeling.utils.opencv import qt_img_to_rgb_cv_img
from .model import Model
from .types import AutoLabelingResult
from .engines.build_onnx_engine import OnnxBaseModel
class CustomModel(Model):
"""自定义语义分割模型"""
class Meta:
required_config_names = [
"type",
"name",
"display_name",
"model_path",
"classes",
]
widgets = ["button_run"]
output_modes = {
"polygon": QCoreApplication.translate("Model", "多边形"),
}
default_output_mode = "polygon"
def __init__(self, model_config, on_message):
super().__init__(model_config, on_message)
model_abs_path = self.get_model_abs_path(self.config, "model_path")
self.net = OnnxBaseModel(model_abs_path, "cuda")
self.classes = self.config["classes"]
self.input_shape = self.net.get_input_shape()[-2:]
def preprocess(self, input_image):
"""图像预处理"""
input_h, input_w = self.input_shape
image = cv2.resize(input_image, (input_w, input_h))
image = np.transpose(image, (2, 0, 1))
image = image.astype(np.float32) / 255.0
image = (image - 0.5) / 0.5
return np.expand_dims(image, axis=0)
def postprocess(self, image, outputs):
"""结果后处理"""
outputs = np.argmax(outputs, axis=1)
results = []
for i, class_name in enumerate(self.classes):
if class_name == '_background_':
continue
mask = outputs[0] == i
mask_resized = cv2.resize(
mask.astype(np.uint8),
(image.shape[1], image.shape[0])
contours, _ = cv2.findContours(
mask_resized,
cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
results.append((
class_name,
[np.squeeze(contour).tolist() for contour in contours]))
return results
def predict_shapes(self, image, image_path=None):
"""预测形状"""
if image is None:
return []
try:
image = qt_img_to_rgb_cv_img(image, image_path)
blob = self.preprocess(image)
outputs = self.net.get_ort_inference(blob)
results = self.postprocess(image, outputs)
shapes = []
for label, contours in results:
for points in contours:
points.append(points[0]) # 闭合多边形
shape = Shape(flags={})
for point in points:
shape.add_point(QtCore.QPointF(point[0], point[1]))
shape.shape_type = "polygon"
shape.closed = True
shape.label = label
shapes.append(shape)
return AutoLabelingResult(shapes, replace=True)
except Exception as e:
print(f"推理错误: {e}")
return []
常见问题与解决方案
-
模型推理错误:
- 检查预处理和后处理是否与训练时一致
- 验证ONNX模型是否能单独运行
- 确保输入尺寸与模型要求匹配
-
标注结果不准确:
- 检查类别标签是否正确配置
- 验证模型在原始测试集上的表现
- 调整后处理中的阈值参数
-
性能问题:
- 尝试减小输入尺寸
- 使用更轻量级的模型架构
- 确保使用GPU加速
最佳实践建议
-
模型优化:
- 在转换ONNX前对模型进行量化
- 使用TensorRT进一步优化推理速度
- 考虑使用动态输入尺寸提高灵活性
-
标注流程:
- 先使用自动标注生成初步结果
- 然后人工检查和修正
- 建立质量检查机制确保标注一致性
-
模型迭代:
- 定期用新标注数据重新训练模型
- 建立模型性能监控机制
- 考虑使用主动学习策略优化标注效率
结语
通过X-AnyLabeling的自定义模型功能,用户可以显著提高标注效率,特别是在处理专业领域数据时。本文详细介绍了从模型转换到集成的完整流程,并提供了实用建议。希望这些内容能帮助用户更好地利用X-AnyLabeling的强大功能,构建高效的标注工作流程。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K