Django Labeller:轻量级图像标注工具
2024-09-25 00:47:51作者:史锋燃Gardner
项目介绍
django-labeller 是一个专为创建分割数据集设计的轻量级图像标注工具,支持 Django、Flask 和 Qt 框架。它提供了多种标注方式,包括多边形、矩形、点和定向椭圆,并且支持多边形标签的编辑和布尔操作。此外,django-labeller 还集成了 DEXTR 算法,可以通过用户的几点点击自动生成对象的多边形轮廓。
项目技术分析
django-labeller 的核心技术包括:
- 多边形标注:支持多边形标签的创建和编辑,包括布尔操作,由 polybooljs 提供支持。
- DEXTR 算法:通过 dextr 库实现自动标注,用户只需点击几下即可生成对象的多边形轮廓。
- 兼容性:支持 Django、Flask 和 Qt 框架,用户可以根据需求选择合适的运行环境。
- 扩展性:提供了丰富的 API 和示例代码,方便用户进行二次开发和集成。
项目及技术应用场景
django-labeller 适用于以下场景:
- 图像分割数据集创建:适用于需要大量标注图像分割数据集的研究和开发项目。
- 计算机视觉研究:为计算机视觉算法提供标注数据,支持多种标注方式,满足不同需求。
- 图像标注工具集成:可以作为独立工具使用,也可以集成到现有的 Django 或 Flask 应用中。
项目特点
- 轻量级:设计简洁,易于安装和使用,适合快速上手。
- 多框架支持:兼容 Django、Flask 和 Qt,用户可以根据需求选择合适的运行环境。
- 丰富的标注方式:支持多边形、矩形、点和定向椭圆等多种标注方式,满足不同标注需求。
- 自动标注功能:集成了 DEXTR 算法,可以自动生成对象的多边形轮廓,提高标注效率。
- 可扩展性:提供了丰富的 API 和示例代码,方便用户进行二次开发和集成。
安装与使用
安装
推荐从 GitHub 克隆项目并安装:
> git clone https://github.com/Britefury/django-labeller.git
> python setup.py install
也可以通过 PyPI 安装:
> pip install django-labeller
示例
Flask Web 应用示例
启动 Flask 示例应用:
> python -m image_labelling_tool.flask_labeller
然后在浏览器中打开 127.0.0.1:5000。
Django Web 应用示例
初始化 Django 应用:
> python simple_django_labeller/manage.py migrate
> python simple_django_labeller/manage.py import_schema default demo
> python simple_django_labeller/manage.py populate images
> python simple_django_labeller/manage.py runserver
结语
django-labeller 是一个功能强大且易于使用的图像标注工具,适用于各种图像分割数据集的创建和计算机视觉研究。无论你是研究人员、开发者还是数据科学家,django-labeller 都能为你提供高效、灵活的标注解决方案。快来尝试吧!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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
9
1