背景
最近在尝试做图像目标检测相关的模型训练工作，但是如果想要实现一个模型的训练，数据集是至关重要，而目标检测数据集的制作相对于图像分类要复杂一些，因此需要一个简单易用的标注工具，对比了网上的一堆工具之后，最后选择了label studio，主要是一下原因：
- 数据安全性：期望标注的数据可以只在自己内部使用，不希望暴露在外网
- 便捷性：可以通过部署一个网页服务来实现标注，这样后面也可以方便其他同学一起标注
- 自动/半自动标注：可以结合训练的模型来辅助标注实现自动/半自动标注，也可以可视化和验证训练模型的目标检测效果。 最后发现label studio是满足上面几个诉求，因此搭建了Label Studio标注工具，并且结合YOLO模型实现了数据集的自动/半自动标注，现将整个过程记录。
环境搭建
基本环境搭建
css
> conda create -n label-studio python=3.10
> conda activate label-studio前端服务
shell
> cd /data/code/github/label-studio
# Run database migrations
> python label_studio/manage.py migrate
> python label_studio/manage.py collectstatic
# Start the server in development mode at http://localhost:8080
python label_studio/manage.py runserver
> python label_studio/server.py --host=0.0.0.0 --port=8081数据保存路径如下：
javascript
~/.local/share/label-studio/如下所示
yaml
(label-studio) # ls -lrt ~/.local/share/label-studio/
total 1212
drwxr-xr-x 2 xxxx xxxx 4096 Oct 20 10:36 test_data
drwxr-xr-x 4 xxxx xxxx 4096 Oct 20 11:02 media
drwxr-xr-x 2 xxxx xxxx 4096 Oct 20 12:05 export
-rw-r--r-- 1 xxxx xxxx 1228800 Oct 20 15:30 label_studio.sqlite3-
项目界面
-
新建项目
-
基本设置
Labeling Interface中可以设置标注的物体类型
- 后端推理
Machine Learning可以设置后端推理服务来实现自动化标注，可以参考label-studio-ml-backend，如果使用了Yolov8来做检测的话，可以参考label-studio-yolov8-backend；如果结合SAM来做检测的话，可以参考分割一切？手把手教你部署SAM+LabelStudio实现自动标注
Retrieve predictions when loading a task automatically：会自动将导入的图片去调用预测服务
- 最终效果
下面的数字是对应类型的快捷键
可以清理标注结果
- Delete Tasks：删除图片和任务
- Delete Annotations：删除手动标注结果
- Delete Predictions：删除预测结果，需要接入了后端预测服务，如果对于预测结果不满意，希望重新预测的话，可以删除后，重新生成预测结果。
标注的数据code如下：
json
{
"id": 50,
"data": {
"image": "/data/upload/7/437ac54a-csm_eb24002_58f4fb61dd.jpg"
},
"annotations": [
{
"id": 5,
"created_username": " xxxx@gmail.com, 2",
"created_ago": "0 minutes",
"completed_by": {
"id": 2,
"first_name": "",
"last_name": "",
"avatar": null,
"email": "xxxxx@gmail.com",
"initials": "li"
},
"result": [
{
"original_width": 1366,
"original_height": 768,
"image_rotation": 0,
"value": {
"x": 10.10689990281827,
"y": 27.483448736637506,
"width": 23.420796890184647,
"height": 37.68170958859735,
"rotation": 0,
"rectanglelabels": [
"Car"
]
},
"id": "8oMV4M5avz",
"from_name": "label",
"to_name": "image",
"type": "rectanglelabels",
"origin": "manual"
}
],
"was_cancelled": false,
"ground_truth": false,
"created_at": "2023-10-22T09:21:27.660411Z",
"updated_at": "2023-10-22T09:21:27.660435Z",
"draft_created_at": "2023-10-22T09:19:22.672990Z",
"lead_time": 114.60199999999999,
"import_id": null,
"last_action": null,
"task": 50,
"project": 7,
"updated_by": 2,
"parent_prediction": null,
"parent_annotation": null,
"last_created_by": null
}
],
"predictions": []
}后端预测服务
可以部署后端预测服务来实现自动标注
shell
> git clone https://github.com/HumanSignal/label-studio-ml-backend.git
> cd label-studio-ui-element-backend
> pip install -e .
# 环境验证
> label-studio-ml create env_verify
> label-studio-ml start env_verify -p 9091- 创建正式环境
css
> label-studio-ml create ui_element
> label-studio-ml start ui_element -p 9091
> nohup label-studio-ml start ui_element -p 9091 > ./ui_element/label.log 2>&1 &
> nohup label-studio-ml start ui_element_sam -p 9092 > ./ui_element_sam/label.log 2>&1 &导出标注结果
会导出来所有的标注结果，并且可以导出来不同的标注格式，比如用作YOLO训练的话，一般可以使用YOLO格式，当然也还有COCO和VOC数据格式
目前还没法只导出来选中图片的标注结果。 比如导出来的YOLO数据格式如下：
-
images：标注的图片
-
labels：标注数据，使用txt后缀保存，每一行代表一条标注数据，包含5列
-
第1列：标注的类别，和下面的
classex.txt中的类别索引保持一致 -
第2列：标注的矩形框的中心点x坐标（经过了归一化处理：坐标点/图片宽度）
-
第3列：标注的矩形框的中心点y坐标（经过了归一化处理：坐标点/图片高度）
-
第4列：标注的矩形框的宽度（经过了归一化处理：宽度/图片宽度）
-
第5列：标注的矩形框的高度（经过了归一化处理：高度/图片高度）
0 0.7914317925591883 0.3476714942329373 0.3066516347237879 0.1781053970456451
0 0.7931228861330326 0.5379758910762293 0.30552423900789166 0.16834619720752755
0 0.7931228861330328 0.7221807880206979 0.30777903043968435 0.1756655970861157
-
-
classes.txt: 保存标注的类型列表
参考
- label-studio-yolov8-backend
- label-studio-yolov8-backend
- label studio 结合 MMDetection 实现数据集自动标记、模型迭代训练的闭环
很详细的部署流程，有实现模型的自动标注到模型训练的闭环流程
官方文档，有比较详细的教程，让你如何实现一个自己的后端预测服务