X-AnyLabeling 2.x 版本正式发布啦！ | 一款多 SOTA 模型集成的高级自动标注工具

框架介绍

X-AnyLabeling 是一款全新的交互式自动标注工具，其基于 Labelme 和 Anylabeling 等诸多优秀的标注工具框架进行构建，在此基础上扩展并支持了许多丰富的模型和功能，并借助Segment Anything和 YOLO 系列等目前主流和经典的深度学习模型提供强大的 AI 能力支持。无须任何复杂配置，下载即用，大大降低用户使用成本，同时支持自定义模型和快捷键设置等，极大提升用户标注效率和使用体验!

项目链接：https://github.com/CVHub520/X-AnyLabeling/tree/main
帮助文档：https://github.com/CVHub520/X-AnyLabeling/blob/main/docs/Q%26A.md

Label-Anything

X-AnyLabeling 具备以下优势：

支持中英文一键切换，随心所欲；
支持必要的快捷键操作，可自定义设置；
支持CPU和GPU一键推理，可按需选取；
提供详细的操作手册及交流社区，帮助用户快速解决问题；
支持Windows、Linux和MacOS等多个主流的操作系统，同时支持用户自编译；
提供多种标注样式，包括多边形、矩形、线段、点、圆形、文本等，以满足用户的多元化的需求。
支持多种导出格式，包括 YOLO-txt、COCO-json、VOC-xml 以及图片掩码等，只需一键运行，即可满足日常训练所需标签样式。
提供多种模型架构，包括但不仅限于YOLO系列、DETR系列和SAM系列等，可无缝衔接OpenMMLab、PaddlePaddle、timm等多个主流的深度学习框架，同时支持自定义模型导入。
支持多种任务模式，包括目标检测、语义分割、姿态估计、人脸关键点回归、文本检测、识别和KIE（关键信息提取）标注等。

功能支持

AI 开放能力

X-AnyLabeling 目前提供以下 AI 开放能力：

目标检测 & 语义分割

注：每个检测模型均提供多个型号，如 YOLOv5(n/s/m/l/x)，可根据需要自行选取合适的版本。


YOLOv5s	YOLOv6s	YOLOv7	YOLOv8s


YOLOX	YOLO-NAS-S	RT-DETR-ResNet50	YOLOv8-seg

从上述结果可以看出【可点开图片放大查看】，精度"高"的模型不一定在所有图片上均表现优异，例如：

YOLOv5s/YOLOv8s/YOLOX/YOLO-NAS-S 出现漏检无法有效检测出车里的人（小目标检测）；
RT-DETR-ResNet50则检出率很高但也容易出现误检，如将汽车识别成火车；
YOLOv6s/YOLOv7 则能够完美检测出来，且YOLOv7的回归框精度更高；

因此关键还是要针对不同的场景选取合适的模型。

细粒度检测分类

YOLOv5s-ResNet50

人脸检测+关键点回归

YOLOv6Lite-Face

全身人体姿态估计

YOLOX+DWPose——只因你太美

车道线检测

CLRNet-tusimple-r18 (CVPR2022)

医学图像分割

超声波乳腺癌分割 | 结直肠息肉分割 | 皮肤镜病变分割


BUID-SAM	Kvasir-SAM	ISIC-SAM

通用医学图像分割一切


SAM-Med2D	Med-SAM

自然图像分割


SAM-ViT-B	SAM-ViT-L	SAM-ViT-H	Mobile-SAM

此外，为了加速模型推理速度，提供了多个量化版本及LRU缓冲机制，极大提升用户体验。

OCR

文本标签是许多标注项目中的一项常见任务，但遗憾的是在 Labelme 和 LabelImg 中仍然没有得到很好的支持。X-AnyLabeling 中完美支持了这一项新功能。

图像文本标签：用户可以切换到编辑模式并更新图像的文本——可以是图像名称或图像描述。
文本检测标签：当用户创建新对象并切换到编辑模式时，可以更新对象的文本。
文本分组：想象一下，当使用 KIE（键信息提取）时，需要将文本分组到不同的字段中，包含标题和值。在这种情况下，你可以使用文本分组功能。当创建一个新对象时，我们同样可以通过选择它们并按G将其与其他对象组合在一起。分组的对象将用相同的颜色标记。当然，也可以按快捷键U取消组合。

注：标注的文本和分组信息将与其他标注保存在同一个 JSON 文件中。文本将保存在text对象的字段中，组信息将保存在字段中group_id。

其它

OCR识别
多模态技术
更多能力陆续接入中，敬请期待…

标签格式

X-AnyLabeling 目前输出的标注文件格式遵循 Labelme 框架（此处定义为custom样式），为了帮助用户真正落实到应用上，提供了一系列常用的转换工作，包括但不仅限于以下功能，打通整个闭环：

Box-level

custom ↔ VOC
custom ↔ COCO
custom ↔ YOLO

Polygon-level

custom ↔ VOC
custom ↔ COCO
custom ↔ YOLO

Mask-level

custom ↔ YOLO ↔ mask

通过上述转换，我们可以很轻松地将图片格式的掩码转换成 custom 格式导入到标注工具进行修正后再直接导出 YOLO 系列或其它框架所需的多边形标签格式进行快速训练，如下图展示了基于 YOLOv5 训练的效果图。更多详情请参考“帮助文档”。

GT vs. Prediction

推理架构

模型推理架构如下图所示：

LabelingWidget是 SAM 模型推理功能所需的主要小部件。绘图区域由Canvas类处理。AutoLabelingWidget则作为自动标记功能和ModelManager的主要部件用于管理和运行 AI 模型。

SAM 是 Meta 的新细分模型。使用 11M 图像和 1B 分割掩码进行训练，它可以在不针对特定对象进行训练的情况下分割图像中的对象。出于这个原因，Segment Anything 是自动标记的一个很好的候选框，即使是从未见过的新对象。

优化点：

因为Encoder的计算是需要时间的，所以我们可以把结果缓存起来，也可以对Encoder在以后的图片上做预计算。这将减少用户等待编码器运行的时间。
对于缓存，添加了一个 LRU 缓存来保存编码器的结果。图像保存在缓存中，键是标签路径。当缓存中存在图像嵌入时，不会再次运行编码器，这样可以节省很多时间。缓存大小默认为 10 张图像。
对于预计算，创建一个线程来为下一个图像运行编码器。当加载新图像时，它将和下一张图像一起发送到工作线程进行编码器计算。之后，image embedding会缓存到上面的LRU缓存中。如果图像已经在缓存中，工作线程将跳过它。

SAM 模型使用步骤

选择左侧的Brain按钮以激活自动标记。
从下拉菜单Model中选择Segment Anything Models类型的模型。模型精度和速度因模型而异。其中，Segment Anything Model (ViT-B)是最快的但精度不高。Segment Anything Model (ViT-H)是最慢和最准确的。Quant表示量化过的模型。
使用自动分割标记工具标记对象。

+Point：添加一个属于对象的点。
-Point：移除一个你想从对象中排除的点。
+Rect：绘制一个包含对象的矩形。Segment Anything 将自动分割对象。
清除：清除所有自动分段标记。
完成对象(f)：当完成当前标记后，我们可以及时按下快捷键f，输入标签名称并保存对象。

注意事项:

由于 SAM 部署时采用了编解码分离的范式并应用了 LRU 机制，因此第一次进行推理时后天会缓存多张（可自行设置）图片的 image_embedding，具体见下述"集成方式"章节。
X-AnyLabeling 在第一次运行任何模型时，需要从远程服务器下载模型，可能需要一段时间，这具体取决于本地的网络速度和服务运营商。此外，由于当前模型存放在 github 托管，因此如果没有开启科学上网的化，大概率会由于下载失败而中断，可以参考后续实操步骤解决。

集成方式

Segment Anything Model 分为两部分：一个很heavy的编码器和一个lightweight解码器。编码器从输入图像中提取图像嵌入。基于嵌入和输入提示（点、框、掩码），解码器生成输出掩码。解码器可以在单掩码或多掩码模式下运行。

在演示中，Meta 在服务器中运行编码器，而解码器可以在用户的浏览器中实时运行，如此一来用户便可以在其中输入点和框并立即接收输出。在本项目中，我们还为每个图像只运行一次编码器。之后，根据用户提示的变化（点、框），运行解码器以生成输出掩码。项目添加了后处理步骤来查找轮廓并生成用于标记的形状（多边形、矩形等）。

使用手册

如何修改自定义快捷键？

可通过修改当前设备的用户根目录下的 .anylabelingrc 文件，如：

#Linux
cd ~/.anylabelingrc

#Windows
cd C:\\Users\\xxx\\.anylabelingrc

如何支持自定义模型？

已适配模型

对于X-AnyLalabeling中已提供的基础模型，可参考以下操作：

创建配置文件

进入 X-AnyLabeling 项目工程，查看所需的配置文件

查看配置文件

配置文件需要遵循以下格式，以 rtdetr_r50.yaml 为例：

type: rtdetr
name: rtdetr_r50-r20230520
display_name: RT-DETR (ResNet50) PaddleDetection
model_path: https://github.com/CVHub520/X-AnyLabeling/releases/download/v0.1.0/rtdetr_r50vd_6x_coco.onnx
input_width: 640
input_height: 640
score_threshold: 0.45
classes:
  - person
  - bicycle
  - car
  ...

我们可以根据 model_path 字段下载所需的模型权重，同时也可根据需要设置相应的超参数。

配置模型文件

将下载好的 *.onnx 文件放置到当前系统用户目录下的 anylabeling_data/models/xxx 下。这里 xxx 为对应的模型的名称，具体地可参考 X-anylabeling/anylabeling/configs/auto_labeling/models.yaml 文件中的对应 model_name 字段，示例如下：

(x-anylabeling) cvhub@CVHub:~/anylabeling_data$ tree
.
└── models
    ├── mobile_sam_vit_h-r20230810
    │   ├── mobile_sam.encoder.onnx
    │   └── sam_vit_h_4b8939.decoder.onnx
    ├── yolov5s-r20230520
    │   └── yolov5s.onnx
    ├── yolov6lite_s_face-r20230520
    └── yolox_l_dwpose_ucoco-r20230820
        ├── dw-ll_ucoco_384.onnx
        └── yolox_l.onnx

只需将下载好的模型权重放置上述对应位置，重新打开标注工具载入，点击“运行”或按下快捷键i实现一键标注功能。

未适配模型

对于未适配模型，可以参考以下四个步骤自行适配：
- X-AnyLabeling/anylabeling/configs/auto_labeling: 定义配置文件；
- X-AnyLabeling/anylabeling/configs/auto_labeling/models.yaml: 添加配置文件；
- X-AnyLabeling/anylabeling/services/auto_labeling：模型推理逻辑实现；
- X-AnyLabeling/anylabeling/services/auto_labeling/model_manager.py：添加到模型管理。

如何编译打包成可执行文件？

可参考以下打包指令：

#Windows-CPU
bash scripts/build_executable.sh win-cpu

#Windows-GPU
bash scripts/build_executable.sh win-gpu

#Linux-CPU
bash scripts/build_executable.sh linux-cpu

#Linux-GPU
bash scripts/build_executable.sh linux-gpu

注意事项：

编译前请针对相应的 GPU/CPU 版本修改 anylabeling/app_info.py 文件中的 __preferred_device__ 参数，同时根据对应参数激活对应的 GPU/CPU 虚拟环境；

如果需要编译GPU版本，请通过pip install -r requirements-gpu-dev.txt安装对应的环境；特别的，对于 Windows-GPU 版本的编译，请自行修改 anylabeling-win-gpu.spec 的 datas 列表参数，将您本地的onnxruntime-gpu的相关动态库*.dll添加进列表中；此外，下载 onnxruntime-gpu 包是需要根据 CUDA 版本进行适配，具体匹配表可参考官方文档说明。

对于 macos 版本可自行参考 anylabeling-win-*.spec 脚本进行修改。

更多详情，敬请登陆github，欢迎Star。