使用自己训练好的模型YOLOv8进行X-AnyLabeling自动标注

目录

  • [1. 下载项目](#1. 下载项目)
  • [2. 创建环境](#2. 创建环境)
  • [3. 运行程序](#3. 运行程序)
    • [3.1 自行下载和添加官方模型](#3.1 自行下载和添加官方模型)
    • [3.2 使用自己训练好的模型标注自己的数据集](#3.2 使用自己训练好的模型标注自己的数据集)

本机环境:win 10, GPU

1. 下载项目

bash 复制代码
git clone https://github.com/CVHub520/X-AnyLabeling.git

2. 创建环境

仔细查看项目的README文件

bash 复制代码
conda create --name x-anylabeling python==3.8
conda activate x-anylabeling
# gpu
pip install -r requirements-gpu-dev.txt

要调用GPU的话,需要手动修改app_info.py文件

3. 运行程序

bash 复制代码
python anylabeling/app.py

模型的选择可参考docs/zh_cn/model_zoo.md文件,以Segment Anything(ViT-Large)为例进行操作。

没配置科学上网一般都会遇到模型下载失败的情况

3.1 自行下载和添加官方模型

解决方法:自行下载和添加模型的方法 #23

  1. 找到model_zoo.md文件中你想要下载的模型的链接(百度网盘/github),手动下载
  1. 将其配置文件复制一份,然后修改配置文件中的model_path路径
  1. AI标注模型下选择"加载自定义模型",然后选择上一步修改后的配置文件

3.2 使用自己训练好的模型标注自己的数据集

yolov8l目标检测苹果为例

  1. 训练模型,得到yolov8l_apple.onnx模型

    使用YOLOv8训练自己的目标检测数据集(VOC格式/COCO格式)

  2. 复制配置文件,修改配置文件中的model_path路径

  1. AI标注模型下选择"加载自定义模型",选择yolov8l.yaml配置文件
  1. 开始标注
  • 单张图标注
  • 批量标注
相关推荐
乌旭1 小时前
量子计算与GPU的异构加速:基于CUDA Quantum的混合编程实践
人工智能·pytorch·分布式·深度学习·ai·gpu算力·量子计算
deephub2 小时前
CLIMB自举框架:基于语义聚类的迭代数据混合优化及其在LLM预训练中的应用
人工智能·深度学习·大语言模型·聚类
思通数科AI全行业智能NLP系统3 小时前
AI视频技术赋能幼儿园安全——教师离岗报警系统的智慧守护
大数据·人工智能·安全·目标检测·目标跟踪·自然语言处理·ocr
struggle20254 小时前
deepseek-cli开源的强大命令行界面,用于与 DeepSeek 的 AI 模型进行交互
人工智能·开源·自动化·交互·deepseek
ocr_sinosecu15 小时前
OCR定制识别:解锁文字识别的无限可能
人工智能·机器学习·ocr
PassLink_5 小时前
[Kaggle]:使用Kaggle服务器训练YOLOv5模型 (白嫖服务器)
运维·服务器·yolo
奋斗者1号5 小时前
分类数据处理全解析:从独热编码到高维特征优化
人工智能·机器学习·分类
契合qht53_shine5 小时前
深度学习 视觉处理(CNN) day_02
人工智能·深度学习·cnn
就叫飞六吧6 小时前
如何判断你的PyTorch是GPU版还是CPU版?
人工智能·pytorch·python
zsffuture6 小时前
opencv 读取3G大图失败,又不想重新编译opencv ,可以如下操作
人工智能·opencv·webpack