一种基于Labelimg的辅助标注方法

随着目标识别技术的发展,YOLO神经网络被应用在各个领域中,但是YOLO自带的预训练模型只能广泛地识别目标,具有普遍性,缺少特殊性。因此,需要自行制作具有针对性的样本训练集。对于YOLO的样本训练集,在样本图像数量上包含了几千甚至数万张图片,其中包含的对象类别也数以百计。在公开的数据集中难以找到符合该文要求的数据集,这就需要人工制作样本数据集。在传统的人工标注方法中,常使用的标记工具有labelimg、labelme等标注工具,但是传统的标注方法中存在着对象标记工作量大、标注效果精度低等缺点,该文引入SAM模型辅助标注方法,这种标注方法在能够高速完成大量标注工作的同时,标注的效果精度也十分理想。