Github 项目推荐 | 半自动图像标记工具

在构建可以从任何场景检测物体的人工智能系统时，我们需要一个庞大的数据集来训练和测试模型，并发现模型的缺点。现有的图像注释工具能够提供一定的帮助，但是开发者仍要付出很大的努力。

本库的作者 Viraj Mavani，提供了一个新的图像注释工具，该工具包含一个名为 RetinaNet 的现有最先进物体检测模型，来显示并注释常用的 80 个对象类的建议，以此来减少开发者的负担。

Github 链接：

https://github.com/virajmavani/semi-auto-image-annotation-tool

官网链接：

https://virajmavani.github.io/saiat/

安装

1. Clone 本库
2. 在库中，执行 pip install . --user。请注意，由于安装 Tensorflow 的方法不同，该软件包并未定义对张量流的依赖性，不过它会尝试安装（至少在 Arch Linux 导致错误的安装结果的时候）。
3. 下载预训练的权重并将其保存在/快照中。

依赖

1. Tensorflow >= 1.7.0
2. OpenCV >= 3.4.0
3. Keras >= 2.1.3

For, Python >= 3.5

用法

python main.py