项目简介
DLTA-AI 是一款新一代的标注工具，专注于数据标注、跟踪和注释。该工具集成了计算机视觉领域的最新技术，使得创建图像数据集比以往更加简便。通过与现有标注工具 Labelme 的无缝结合，DLTA-AI 为用户提供了一种直观的工作流程。
安装指南 🛠️
用户可以在新创建的环境中安装 PyTorch，然后使用 pip 安装 DLTA-AI：
pip install DLTA-AI
安装完成后，用户只需运行命令：
DLTA-AI
DLTA-AI 的用户指南中提供了详细的安装步骤和常见问题的解决方案。
Segment Anything 功能 🪄
DLTA-AI 利用最新的 Meta 模型 Segment Anything (SAM)，支持对任意类别进行零样本分割。即使是对目标的粗略标注，SAM 也能提高分割的准确性。此外，SAM 还支持视频模式下的物体跟踪。
模型选择 🤖
DLTA-AI 提供 Model Explorer 工具，允许用户使用各种模型，包括 mmdetection 和 yolov8 的模型，以及 SAM 的模型。用户可以通过该工具比较、下载并选择适合他们需求的模型。
图像分割 🎨
借助 Model Explorer 中的模型，DLTA-AI 为用户提供了单图像和批量图像标注的无缝体验，用户可以选择类别、修改阈值，并对分割结果进行全方位编辑。
物体跟踪 🚗
在分割和检测模型的基础上，DLTA-AI 提供了完整的物体跟踪解决方案，支持 5 种不同的跟踪模型。用户可以导入视频、调整跟踪设置，并选择不同的可视化选项。跟踪结果可导出为视频文件。此外，DLTA-AI 提供了一种编辑跟踪结果的新方式，包括在多个帧间编辑和删除。
导出功能 📤
DLTA-AI 支持将实例分割结果导出为标准 COCO 格式，跟踪结果可导出为 MOT 格式或包含自定义可视化选项的视频文件。
其他功能 🌟
DLTA-AI 还提供了许多其他功能，如：
- 阈值选择（置信度和 IoU）
- 选择类别（80 个 COCO 类别）并保存默认类别
- 仅跟踪指定对象
- 模型合并（运行并合并结果）
- 显示运行时类型（CPU/GPU）和 GPU 内存使用情况
- 视频导航（逐帧、快进、快退、播放/暂停）
- 支持浅色/深色主题切换
- 完全可定制的用户界面
- 操作系统通知（用于长时间任务）
- 使用 orjson 提高 JSON 序列化速度
- 附加脚本用于评估分割结果（COCO）和从视频文件中提取帧
社区参与 🤝
DLTA-AI 作为一个开源项目，欢迎社区贡献。用户可以通过报告问题、提出新功能建议或直接改进代码等方式进行贡献。
致谢 🙏
DLTA-AI 是开罗大学工程学院的毕业项目的一部分，感谢指导老师和一众贡献者对该项目的支持与帮助。
编辑推荐精选
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号