目录
0. CVAT链接
1. 标注图(以旋转框为例)导出可视化效果
2. docker-容器安装cvat
3. cvat标注教程
3.1 支持的类型
3.2 标注流程
4. 类似paddle-OCR文本检测-文本识别 标注流程
0. CVAT链接
cvat:https://github.com/openvinotoolkit/cvat
1. 标注图(以旋转框为例)导出可视化效果
'''
基于coco格式进行可视化
按照segmentation的点进行可视化,按照bbox的点进行可视化
前者为分割,后者为最小水平框,若求最小外接矩形,采用cv2即可
并且可以知道标注顺序
===========================================
注意:
CVAT最新版本有些bug,对于yolo格式目标检测没有问题,但是旋转目标检测
需要导入or导入按照cvat images1.*格式!!!
===========================================
'''
2. docker-容器安装cvat
TODO
3. cvat标注教程
3.1 支持的类型
【1】图像分类-多属性;【2】2D-3D目标检测;【3】语义分割-实例分割;【4】旋转目标检测;【5】文字检测+文字识别
3.2 标注流程
假设你并不熟悉cvat的标注流程,这里以图像2D目标检测为例
标注快捷键:N-自动画框-再按1次结束,DF前后移动1张,双击1:1,。。。
【1】测试步骤:不管你有无预标注,先创建1个project,并且按照图像的1-2-3-4-5等步骤创建;
【2】测试步骤:在创建task前,将2-3张图像压缩成1个zip文件,然后创建task,6-7-8-9,其中步骤9为每个间隔包含多少张图像,上传完成
【3】测试步骤:以2D目标检测为例,选择水平矩形框标注,然后保存,再按照以yolo的格式导出,那么就可以知道cvat支持的标注格式要求,你按照对应格式准备数据即可!按照11-12步骤导出即可
【4】测试步骤:若你有预标注,则参考对应格式准备即可,然后上传后,再执行1次13步骤,预标注需要2次上传,都是1个zip即可(图像+标注文件)
以上步骤你懂了,其它的,步骤类似;
4. 类似paddle-OCR文本检测-文本识别 标注流程
https://github.com/openvinotoolkit/cvat/blob/develop/cvat/apps/documentation/user_guide.md
————————————————
版权声明:本文为CSDN博主「LEILEI18A」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/LEILEI18A/article/details/113385510