这款图像自动标注软件，终于开源了

自动标注神器！帮AI公司省不止百万！

AI界的革命！终于可以自动标注了！

业界首个高性能交互式分割工具开源啦！

深度学习大法固然好，但算法训练需要标注大量数据，不论是时间还是金钱成本都让很多从业的小伙伴们头疼不已。矩形框标注还相对简单，遇到像素级别的分割标注，工作量又是几倍的往上翻，小编不禁想：要是能有自动标注的工具该有多好！

功夫不负有心人，小编终于淘到一款自动标注软件，可以极大的提升图像分割的标注效率，降低标注成本。

它就是业界首个高性能的交互式分割工具——EISeg。那什么是交互式分割呢？它其实就是先用预训练模型对图像进行预标注，对于标注不精准、有误差的地方，再通过一系列绿色点（正点）和红色点（负点）对目标对象边缘进行精准的调整，从而实现精细化标注，高效而实用。

如果你需要特定领域的自动标注算法，还可以对 EISeg 的预训练模型进行精调，比如 EISeg 的开发团队就基于人像数据集对模型进行 Finetune（精调）得到预测速度快、精度高、交互点少的人像交互式分割模型。你还可以自己训练出像建筑物分割、飞机分割等等你需要的算法，提升相关任务的标注效率。

这么高效、实用还免费的软件，错过真的错过一个亿！识趣的小编赶紧贴上链接。

记得 Star 收藏一下防止走丢哦：

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.2/contrib/EISeg

你以为 EISeg 仅仅是提供预训练算法和交互式分割操作方式就没什么特别的了吗？！Too Simple Too Naïve！

超多个性化操作快捷键，让标注效率一提再提

为了进一步提高小伙伴们的标注效率，EISeg 提供了超多人性化设计的快捷键：

那到底标注效率有多快呢？我们具体来做个测试

传统方法 1 分 7 秒

EISeg 9 秒

可以看到，传统方法使用的标注时间是1分07秒，EISeg 使用的只有 9 秒。使用的时间是传统方式的 1/7 还不到！ EISeg 的交互式分割模型的标注效率是远远超过传统标注的！

支持多种图像及标注格式，满足多种视觉任务

EISeg 不仅仅支持输出 mask 掩膜输出，还支持多边形等多种标注生成。同时支持伪彩色图、灰度图，以及 json、coco 等数据格式，用户还可对角点进行增删和局部修正。这样标注出来的数据，不仅仅可以做语义分割，还可以用做实例分割任务，一举两得！！！

丰富的标注模型，适合多种场景

EISeg 开放了在 COCO+LVIS 和大规模人像数据上训练的四个标注模型，满足通用场景和人像场景的标注需求。其中模型结构对应 EISeg 交互工具中的网络选择模块，用户需要根据自己的场景需求选择不同的网络结构和加载参数。

另外，为了更好的满足用户分割场景的多样性，PaddleSeg 团队还在持续建设其他垂类领域的交互式模型，例如医疗和遥感图像标注。期待有相关需求的开发者们一起参与开源共建中来！

心动不如行动，大家可以直接前往Github地址获得完整开源项目代码，记得Star收藏支持一下哦：

https://github.com/PaddlePaddle/PaddleSeg