一种基于Labelimg的辅助标注方法

作者：王景鑫; 潘欣^*

来源：科技创新与应用, 2023, 13(29): 145-148.

DOI：10.19981/j.CN23-1581/G3.2023.29.035

• 目标识别
• YOLO
• 模型训练
• SAM
• 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。

• 单位
  长春工程学院; 吉林化工学院