用户友好的图像引导框架。
label-wrapper的Python项目详细描述
标签包装器
用户友好的图像引导框架。
标签引导流程
标签包装器启用标签引导过程:
- 加载第一批数据
- 手动标记第一批
- 训练优先分割模型
- 加载第二批数据
- 使用第一个训练的分割模型来预测标签
- 查看标签并合并第一个和第二个标签数据
- 训练第二个分割模型
- 重复步骤4-7。直到没有原始数据或不再需要检查标签。
技术实现示例
- 将数据加载到数据集中
- 导出HTML
- 标签
- 导出为JSON
- 导入json并将json转换为tfrecords
- 使用tfrecords进行培训
- 引入新数据
- 用训练模型预测tf记录
- 导入存储的tfrecords并转换为带有标签的html
- 查看存储的标签并导出到json
- 加入查看过的json和手动json(从步骤4开始)
- 重复5-11次n次
- 要标记的数据用完
- 测量性能
待办事项
- 带GTIFF的芬兰双数据集(添加测试)
- 形状文件掩码(地理编码)
- 形状文件导出器
- 形状文件导入器?
- 带有预训练分割cnn的示例推理步骤
- (可能)构造函数应该接受json并将其加载到postinit中
- (可能)使用js(selenium?)
谢谢
使用的标签编辑器是VIA 2.0.6。