使用Sloth进行图像标注的入门指南
2025-06-11 04:22:31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
- 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~052CommonUtilLibrary
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!C0308- 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++
178
262

🎉 (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
868
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
268
308

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
373

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

🔥🔥🔥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

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3