BMW-LabelTool-Lite项目是一款功能强大的图像数据标注工具,专为减少配置需求而设计。这个工具的轻量版本主要关注于基于边界框的训练数据标注,旨在为尖端的深度学习训练提供支持。用户无需复杂配置即可通过我们提供的Docker化LabelTool Lite开始对图像进行标注。此外,该工具生成的标签还可以直接结合我们的Yolov4和Tensorflow训练GUI项目使用,使得训练过程更加便捷。
LabelTool Lite 提供了一个样本数据集,便于用户在没有自定义数据集的情况下进行操作。用户只需下载项目仓库,运行以下命令即可启动工具:
docker-compose up
然后在任意浏览器中访问localhost:8081
即可开始标注。
除常规的边界框功能外,LabelTool Lite 还提供:
在项目的存储库中,应创建特定的文件夹结构来存储数据集,以下是数据准备的基本步骤:
创建/data/training-data
文件夹,所有的数据集均应存储于此。
创建新数据集,例如myfirstdataset
文件夹。
在数据集文件夹中创建images
文件夹用于存放需要标注的图片,以及labels/json
文件夹用于存放生成的标签。
创建objectclasses.json
文件以定义类名,例如:
[ { "Id": 0, "Name": "Dog" }, { "Id": 1, "Name": "Cat" } ]
LabelTool Lite 支持连接预训练模型或自定义训练模型来加速标注过程。通过修改docker-compose.yml文件,用户可以将模型容器与LabelTool连接,为标注提供智能标签建议。
项目的开发得到了以下组织和个人的支持:
BMW-LabelTool-Lite项目提供了一种高效、便捷的方式来对图像数据进行标注,同时支持多种深度学习训练框架的快速集成和应用。