使用Sloth进行图像标注的入门指南
2025-06-11 06:13:27作者:卓炯娓
前言
Sloth是一个灵活的图像标注工具,特别适合计算机视觉和机器学习领域的研究人员和开发者使用。本文将详细介绍如何开始使用Sloth进行基本的图像标注工作,包括加载标签文件、编辑标注以及创建自定义配置。
快速开始
使用默认配置启动
最简单的使用方式是直接加载一个符合Sloth支持格式的标签文件:
sloth examples/example1_labels.json
这个示例文件包含了两个图像的标注信息:
image1.jpg
:包含两个矩形标注image2.jpg
:包含一个点标注
标签文件采用JSON格式,结构清晰易懂。每个图像对象包含class
、filename
和annotations
三个主要字段,其中annotations
数组包含了该图像的所有标注。
标注编辑操作指南
选择标注
在Sloth中编辑标注前,首先需要选择目标标注:
- 鼠标选择:直接点击标注区域
- 键盘选择:使用TAB键循环切换当前图像中的所有标注
被选中的标注会显示为虚线轮廓,便于识别。
修改标注位置
鼠标操作:
- 左键拖动:移动标注位置
- 右键拖动(矩形标注):调整宽度和高度
键盘操作:
- 方向键:以1像素为步长移动标注
- Shift+方向键:以5像素为步长移动标注
- Ctrl+方向键(矩形标注):调整宽度和高度
- Ctrl+Shift+方向键:以5像素为步长调整矩形尺寸
添加新标注
Sloth提供了直观的标注添加方式:
- 在属性面板(默认位于窗口左侧)点击对应标注类型的按钮
- 进入插入模式后,直接在图像上绘制新标注
快捷键:
r
:进入矩形标注插入模式p
:进入点标注插入模式
自定义配置详解
Sloth的强大之处在于其高度可定制的配置系统。通过创建Python格式的配置文件,用户可以完全自定义标注类型、属性和交互方式。
基本配置结构
配置文件的核心是LABELS
变量,它是一个包含多个字典的元组/列表,每个字典定义一种标注类型:
LABELS = (
{
"attributes": {"type": "rect", "class": "head", "id": ["Martin", "Mika"]},
"item": "sloth.items.RectItem",
"inserter": "sloth.items.RectItemInserter",
"text": "Head"
},
# 更多标注类型...
)
配置项解析
- text:标注类型的描述文本,显示在属性面板中
- item:指定用于可视化标注的类
sloth.items.RectItem
:矩形标注sloth.items.PointItem
:点标注
- inserter:指定用于创建新标注的插入器类
- attributes:定义标注属性和编辑方式
- 固定键值对:自动添加到新标注中且不可编辑
- 值列表:用户可从下拉列表中选择,支持交互式编辑
属性匹配机制
Sloth使用class
和type
两个键进行标注类型匹配:
- 两者都匹配时优先
- 只有一个匹配且另一个不存在时也会匹配
- 按
LABELS
中的顺序检查,使用第一个匹配项
使用自定义配置
保存配置为.py
文件后,通过--config
参数加载:
sloth --config myconfig.py examples/example1_labels.json
高级功能概览
除了基本的标注配置外,Sloth还支持更多高级功能:
- 自定义可视化项
- 自定义插入器
- 自定义标签容器格式
- 快捷键配置
- 多种标签格式支持
最佳实践建议
- 合理设计标注类型:根据实际需求定义足够详细但不冗余的标注类型
- 利用属性列表:为可能变化的属性(如对象ID)提供可选值列表
- 善用快捷键:为常用标注类型配置快捷键可显著提高工作效率
- 保持配置简洁:只包含项目真正需要的标注类型和属性
结语
通过本文,您应该已经掌握了Sloth的基本使用方法。从简单的默认配置启动到创建复杂的自定义配置,Sloth提供了灵活而强大的工具来满足各种图像标注需求。建议从简单配置开始,随着项目需求增长逐步探索更高级的功能。
下一步,您可以深入了解Sloth的高级配置选项、自定义可视化项开发以及如何支持自定义标签格式等主题,以充分发挥这个工具的潜力。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息09GitCode-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~0274get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
426
34

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
239
9

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

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
988
394

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
193
274

🎉 (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
936
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69