最近在做一个分割任务，需要手动标注，标注了几张，感觉实在是麻烦，枯燥、费时间，所以想试下半自动标注。花了老奴一天的时间安装环境、配置等，发现…其实，也不太好用，能理解为什么自动标注无法推广使用了。你如果对半自动标注感兴趣的话，可以往下看看。

一、半自动标注

  我们知道，分割任务标注的数据，需要沿着物体边界框选物体，这时候需要用鼠标点击多个点，形成一个多边形框住目标。相对于目标检测拉取一个目标框，分割的标注是更为耗时的。
  SAM 源自于 2023 年 Meta 的 Segment Anything (SA) 项目。该项目发现在 NLP 和 CV 领域中出现的基础模型表现出较强的性能，它是一种最先进的图像分割模型。
  使用Label Studio结合SAM大模型，实现半自动标注，通过手动点击（keypoint）或者画框，模型自动分割选中区域，与手动标注对比，不用点多个点、不用对准目标边界。经过测试，该半自动标注工具适用目标与背景差别较大的物体，目标和边界较难区分的，自动分割效果不佳。
  标注效果如图二，螺丝钉含有位移线，我的标注任务是将位移线分割出来。

图一 标注原图 图二 半自动标注效果图

二、缺点

  试用该工具后，感觉不太好用。主要是因为：
(1) 安装麻烦：该工具涉及到Label Studio和SAM模型的安装、配置、启动
(2) 速度慢：需要用模型边标注边推理，SAM模型使用显卡推理，速度仍然比较慢、容易卡，给我的感觉是不灵敏、容易卡顿
(3) 硬件要求高：我使用自己的笔记本电脑安装，内存报错，且用cpu推理，速度很慢

三、安装方法

  如果你的设备硬件better than me，也想试用下这个标注工具。以下是安装步骤。

1、 python版本要求

  3.8及以上

2、下载playground

  Github页面直接Download zip，解压，有一个label_anything目录（图三），用于后面启动SAM模型。playground链接

图三 label_anything

3、SAM安装

  这里我使用离线安装的方法，同样Github直接页面Download zip，解压，进入解压的文件夹，运行pip install -e . 即可安装SAM。SAM链接

4、SAM权重下载

  SAM有三个权重，代表不同大小参数的SAM，我使用的是sam_vit_b_01ec64.pth，下载放入label_anything目录

https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth
https://dl.fbaipublicfiles.com/segment_anything/sam_vit_l_0b3195.pth
https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth

5、安装label-studio-ml

pip install label-studio-ml

6、启动SAM接口

  进入playground的label_anything目录，在启动命令指定启动设备，可以设置为cpu启动或者gpu启动。
cpu启动:

label-studio-ml start sam --port 8003 --with sam_config=vit_b sam_checkpoint_file=./sam_vit_b_01ec64.pth out_poly=True out_mask=True out_bbox=True device=cpu

gpu启动：

label-studio-ml start sam --port 8003 --with sam_config=vit_b sam_checkpoint_file=.\sam_vit_b_01ec64.pth out_poly=True out_mask=True out_bbox=True device=cuda:0

启动命令参数说明：

• port 8003：设置端口，随便设，不冲突就行了
• sam_config=vit_b，模型权重相对应
• sam_checkpoint_file=./sam_vit_b_01ec64.pth，权重路径
• out_mask=True，表示输出的是掩码

7、SAM启动日志

  终端启动日志如图，可以看到启动的url

图四 SAM启动日志

8、安装并启动label-studio

pip install label-studio-ml
label-studio start

9、label-studio启动日志

  label-studio启动日志也有一个url，自动打开label studio的界面，需要注册账号再登录

四、半自动标注使用方法

1、创建project并导入数据

  点击create创建项目并导入数据

新建好的project

2、标签设置

  点击setting，点击Labeling Interface，设置标签，将下面的一段代码复制进去，修改成自己的类别

<View><Image name="image" value="$image" zoom="true"/><KeyPointLabels name="KeyPointLabels" toName="image"><Label value="cat" smart="true" background="#e51515" showInline="true"/><Label value="person" smart="true" background="#412cdd" showInline="true"/></KeyPointLabels><RectangleLabels name="RectangleLabels" toName="image"><Label value="cat" background="#FF0000"/><Label value="person" background="#0d14d3"/></RectangleLabels><PolygonLabels name="PolygonLabels" toName="image"><Label value="cat" background="#FF0000"/><Label value="person" background="#0d14d3"/></PolygonLabels><BrushLabels name="BrushLabels" toName="image"><Label value="cat" background="#FF0000"/><Label value="person" background="#0d14d3"/></BrushLabels>
</View>

注：这里的"KeyPointLabels"、“RectangleLabels”、“PolygonLabels”、"BrushLabels"分别表示点、框、多边形、刷子的标注方法，但实际上，只有点、框的方式才有大模型推理

3、大模型设置

  设置label studio使用SAM。同样也是在settings里面，点击Machine Learning，Add Model，填入模型名称，以及SAM 启动的URL，记得要将Use for interactive preannotations打开，最后点击右下角按钮Validate and Save
  点击后可能成功，也可能失败，失败的时候返回SAM启动终端，会显示报错，大部分都是缺少某些依赖包，装上即可。

表示配置成功

4、标注

  回到页面点击项目，点击Label All Tasks开始标注。需要把Auto-Annotation打开，并将建议打勾。
  此时注意，右边栏有个smart区域，当选择什么类型的标注方法，该区域也会变成相应类型，才有模型推理，否则就是手动标注。当上方的Auto accept annotation suggestions转圈的时候，说明大模型在推理。
  下面的标签区域，当要进行某种标注的时候，先选中标签，再进行标注，标注好后，点击submit提交

转圈代表正在推理

5、标注物导出

  回到项目界面，点击export即可选择所需格式进行保存

五、总结

  如果文章对您有所帮助，记得点赞、收藏、评论探讨✌️