Label-studio-ml-backend 和YOLOV8 YOLO11自动化标注，目标检测，实例分割，图像分类，关键点估计，视频跟踪

这里写目录标题

    • 1.目标检测 Detection
    • 2.实例分割 segment
    • 3.图像分类 classify
    • 4.关键点估计 Keypoint detection
    • 5.视频帧检测 video detect
    • 6.视频帧分类 video classify
    • 7.旋转目标检测 obb detect
    • 8.替换yolo11模型
  • 给我点个赞吧，谢谢了
    • 附录coco80类名称

笔记本 华为matebook14s，windows系统，cpu
1.装Label-studio
2.装Label-studio-ml-backend
3.装ultralytics
4.装docker desktop 并点击启动
在这里插入图片描述

配置好docker-composel.yml文件32 33行
32表示从docker容器里访问容器外的网址，label-studio默认端口8080
33表示label-studio API KEY ，获取方式

  - LABEL_STUDIO_URL=http://host.docker.internal:8080
 - LABEL_STUDIO_API_KEY=d3ece86209a6a0ca850d468d6c42fa3d7d78be47

点击label-studio头像-》点击Account & settings-》复制access token
在这里插入图片描述
在这里插入图片描述

然后拉取镜像，第一次耗时一个小时左右。记得科学上网呦

cd label_studio_ml\examples\yolo\
docker-compose up --build

在这里插入图片描述

结果如下就表示启动docker成功：
在这里插入图片描述
在label-studio 后台model处导入label-studio-ml-backend默认网址：
http://localhost:9090
在这里插入图片描述
如果连接成功，会有测试通过，显示connected，否则报错
自行修改参考docker-compose.yml第46行

    ports:
      - "9090:9090"

1.目标检测 Detection

导入示例标注配置：

<View>
  <Image name="image" value="$image"/>
  <RectangleLabels name="label" toName="image" model_score_threshold="0.25" opacity="0.1">
    <Label value="Person" background="red"/>
    <Label value="Car" background="blue"/>
  </RectangleLabels>
</View>

最后成功

在这里插入图片描述

2.实例分割 segment

替换分割模型，
只需要在标签处修改：

<View>
  <Image name="image" value="$image"/>
  <PolygonLabels name="label" toName="image" model_score_threshold="0.25" opacity="0.1">
    <Label value="Car" background="blue"/>
    <Label value="Person" background="red"/>
  </PolygonLabels>
</View>

然后删除目标检测的预测框就可以：
选中图片-》点击左上角 6 Tasks-》Delete Predictions
在这里插入图片描述

然后点击随便一张图片，重新预测结果
在这里插入图片描述

3.图像分类 classify

替换图像分类的标签

<View>
  <Image name="image" value="$image"/>
  <Choices name="choice" toName="image" model_score_threshold="0.25">
    <Choice value="Airplane" predicted_values="aircraft_carrier,airliner,airship,warplane"/>
    <Choice value="Car" predicted_values="limousine,minivan,jeep,sports_car,passenger_car,police_van"/>
  </Choices>
</View>

结果显示在左下角的分类里。
在这里插入图片描述

4.关键点估计 Keypoint detection

替换标签：

<View>
  <RectangleLabels name="keypoints_bbox" toName="image" model_skip="true">
    <Label value="person"/>
  </RectangleLabels>
  
  <KeyPointLabels name="keypoints" toName="image"
    model_score_threshold="0.75" model_point_threshold="0.5" 
    model_add_bboxes="true" model_point_size="1"
    model_path="yolov8n-pose.pt"
  >
    <Label value="nose" predicted_values="person" model_index="0" background="red" />

    <Label value="left_eye" predicted_values="person" model_index="1" background="yellow" />
    <Label value="right_eye" predicted_values="person" model_index="2" background="yellow" />

    <Label value="left_ear" predicted_values="person" model_index="3" background="purple" />
    <Label value="right_ear" predicted_values="person" model_index="4" background="purple" />
    
    <View>
      <Label value="left_shoulder" predicted_values="person" model_index="5" background="green" />
      <Label value="left_elbow" predicted_values="person" model_index="7" background="green" />
      <Label value="left_wrist" predicted_values="person" model_index="9" background="green" />

      <Label value="right_shoulder" predicted_values="person" model_index="6" background="blue" />
      <Label value="right_elbow" predicted_values="person" model_index="8" background="blue" />
      <Label value="right_wrist" predicted_values="person" model_index="10" background="blue" />
    </View>
    
    <View>
      <Label value="left_hip" predicted_values="person" model_index="11" background="brown" />
      <Label value="left_knee" predicted_values="person" model_index="13" background="brown" />
      <Label value="left_ankle" predicted_values="person" model_index="15" background="brown" />

      <Label value="right_hip" predicted_values="person" model_index="12" background="orange" />
      <Label value="right_knee" predicted_values="person" model_index="14" background="orange" />
      <Label value="right_ankle" predicted_values="person" model_index="16" background="orange" />
    </View>
  </KeyPointLabels>
  
  <Image name="image" value="$image" />
</View>

展示结果：
在这里插入图片描述

5.视频帧检测 video detect

标签

<View>
    <Video name="video" value="$video"/>
    <VideoRectangle name="box" toName="video" model_tracker="botsort" model_conf="0.25" model_iou="0.7" />
    <Labels name="label" toName="video">
      <Label value="Person" background="red"/>
      <Label value="Car" background="blue"/>
    </Labels>
</View>

第一次处理视频会比较长，因为他是完整的预测完才加载；后台可以显示当前处理到多少frame
在这里插入图片描述
展示效果如下：
在这里插入图片描述

6.视频帧分类 video classify

标签：

<View>
  <Video name="video" value="$video"/>
  <TimelineLabels 
          name="label" toName="video" 
          model_trainable="false" model_score_threshold="0.25">
    <Label value="Ball" predicted_values="soccer_ball" />
    <Label value="hamster" />
  </TimelineLabels>
</View>

测试失败
在这里插入图片描述

7.旋转目标检测 obb detect

测试失败

8.替换yolo11模型

下载好然后放到models目录下
在这里插入图片描述
修改
\label-studio-ml-backend\label-studio-ml-backend-master\label_studio_ml\examples\yolo\requirements.txt
把ultralytics更新为
ultralytics~=8.3.20
否则不支持yolo11，

重启docker

docker-compose down
docker-compose up --build

就可以了
记得替换标签时，加入model_path=“yolo11n.pt”
例如目标检测：

<View>
  <Image name="image" value="$image"/>
  <PolygonLabels name="label" toName="image" model_score_threshold="0.25" opacity="0.1" model_path="yolo11n.pt">
    <Label value="Car" background="blue"/>
    <Label value="Person" background="red"/>
  </PolygonLabels>
</View>

在这里插入图片描述

实测下来，
yolo11n.pt
yolo11n-seg.pt
yolo11n-pose.pt
yolo11n-cls.pt
都能用

给我点个赞吧，谢谢了

附录coco80类名称

为了方便大家修改标签信息，我附上coco数据集80类名称，自行参考：

person（人）
bicycle（自行车）
car（轿车）
motorcycle（摩托车）
airplane（飞机）
bus（公共汽车）
train（火车）
truck（卡车）
boat（船）
traffic light（交通灯）
fire hydrant（消防栓）
stop sign（停车标志）
parking meter（停车收费表）
bench（长凳）
bird（鸟）
cat（猫）
dog（狗）
horse（马）
sheep（羊）
cow（牛）
elephant（大象）
bear（熊）
zebra（斑马）
giraffe（长颈鹿）
backpack（背包）
umbrella（雨伞）
handbag（手提包）
tie（领带）
suitcase（手提箱）
frisbee（飞盘）
skis（滑雪板）
snowboard（滑雪单板）
sports ball（体育用球）
kite（风筝）
baseball bat（棒球棒）
baseball glove（棒球手套）
skateboard（滑板）
surfboard（冲浪板）
tennis racket（网球拍）
bottle（瓶子）
wine glass（酒杯）
cup（杯子）
fork（叉子）
knife（刀）
spoon（勺子）
bowl（碗）
banana（香蕉）
apple（苹果）
sandwich（三明治）
orange（橙子）
broccoli（西兰花）
carrot（胡萝卜）
hot dog（热狗）
pizza（披萨）
donut（甜甜圈）
cake（蛋糕）
chair（椅子）
couch（长沙发）
potted plant（盆栽）
bed（床）
dining table（餐桌）
toilet（马桶）
tv（电视）
laptop（笔记本电脑）
mouse（鼠标）
remote（遥控器）
keyboard（键盘）
cell phone（手机）
microwave（微波炉）
oven（烤箱）
toaster（烤面包机）
sink（水槽）
refrigerator（冰箱）
book（书）
clock（时钟）
vase（花瓶）
scissors（剪刀）
teddy bear（泰迪熊）
hair drier（吹风机）
toothbrush（牙刷）

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/921474.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Laravel对接SLS日志服务

Laravel对接SLS日志服务

Laravel对接SLS日志服务&#xff08;写入和读取&#xff09; 1、下载阿里云的sdk #通过composer下载 composer require alibabacloud/aliyun-log-php-sdk#对应的git仓库 https://github.com/aliyun/aliyun-log-php-sdk2、创建sdk请求的service <?phpnamespace App\Ser…
阅读更多...
uniapp接入高德地图

uniapp接入高德地图

下面代码兼容安卓APP和H5 高德地图官网&#xff1a;我的应用 | 高德控制台 &#xff0c;绑定服务选择《Web端(JS API)》 /utils/map.js 需要设置你自己的key和安全密钥 export function myAMap() {return new Promise(function(resolve, reject) {if (typeof window.onLoadM…
阅读更多...
初识WGCLOUD - 监测磁盘空间还能使用多久

初识WGCLOUD - 监测磁盘空间还能使用多久

WGCLOUD是一款免费开源的运维监控软件&#xff0c;性能优秀&#xff0c;部署简单&#xff0c;轻巧使用&#xff0c;支持大部分的Linux和Windows、安卓、MacOS等平台安装部署 最近发布的新版本 v3.5.4&#xff0c;WGCLOUD新增了可以自动计算每个磁盘剩余空间的可使用天数&#x…
阅读更多...
【Xbim+C#】创建圆盘扫掠IfcSweptDiskSolid

【Xbim+C#】创建圆盘扫掠IfcSweptDiskSolid

基础回顾 https://blog.csdn.net/liqian_ken/article/details/143867404 https://blog.csdn.net/liqian_ken/article/details/114851319 效果图 代码示例 在前文基础上&#xff0c;增加一个工具方法&#xff1a; public static IfcProductDefinitionShape CreateDiskSolidSha…
阅读更多...
数据结构 ——— 堆排序算法的实现

数据结构 ——— 堆排序算法的实现

目录 前言 向下调整算法&#xff08;默认建大堆&#xff09; 堆排序算法的实现&#xff08;默认升序&#xff09; 前言 在之前几章学习了如何用向上调整算法和向下调整算法对数组进行建大/小堆数据结构 ——— 向上/向下调整算法将数组调整为升/降序_对数组进行降序排序代码…
阅读更多...
图像预处理之图像滤波

图像预处理之图像滤波

目录 图像滤波概览 均值滤波&#xff08;Mean Filter&#xff09; 中值滤波&#xff08;Median Filter&#xff09; 高斯滤波&#xff08;Gaussian Filter&#xff09; 双边滤波&#xff08;Bilateral Filter&#xff09; 方框滤波&#xff08;Box Filter&#xff09; S…
阅读更多...
Qt-多元素控件

Qt-多元素控件

Qt中的多元素控件 Qt提供的多元素控件有&#xff1a; 这里的多元素控件都是两两一对的。 xxWidget和xxView的一个比较简单的理解就是&#xff1a; xxView是更底层的实现&#xff0c; xxWidget是基于xxView封装来的。 可以说&#xff0c;xxView使用起来比较麻烦&#xff0c;但…
阅读更多...
＜Sqlite＞＜websocket＞使用Sqlite与websocket，实现网页端对数据库的【读写增删】操作

＜Sqlite＞＜websocket＞使用Sqlite与websocket，实现网页端对数据库的【读写增删】操作

前言 本文是在websocket进行通讯的基础，添加数据库进行数据的存储，数据库软件使用的是sqlite。 环境配置 系统：windows 平台：visual studio code 语言：javascript、html 库：nodejs、sqlite 概述 此前，我们实现在利用websocket和socket，将网页端与下位控制器如PLC进行…
阅读更多...
Unreal从入门到精通之如何绘制用于VR的3DUI交互的手柄射线

Unreal从入门到精通之如何绘制用于VR的3DUI交互的手柄射线

文章目录 前言实现方式MenuLaser实现步骤1.Laser和Cursor2.移植函数3.启动逻辑4.检测射线和UI的碰撞5.激活手柄射线6.更新手柄射线位置7.隐藏手柄射线8.添加手柄的Trigger监听完整节点如下：效果图前言 之前我写过一篇文章《Unreal5从入门到精通之如何在VR中使用3DUI》，其中讲…
阅读更多...
主IP地址与从IP地址：深入解析与应用探讨

主IP地址与从IP地址：深入解析与应用探讨

在互联网的浩瀚世界中&#xff0c;每台联网设备都需要一个独特的身份标识——IP地址。随着网络技术的不断发展&#xff0c;IP地址的角色日益重要&#xff0c;而“主IP地址”与“从IP地址”的概念也逐渐进入人们的视野。这两个术语虽然看似简单&#xff0c;实则蕴含着丰富的网络…
阅读更多...
【Linux】文件IO的系统接口 | 文件标识符

【Linux】文件IO的系统接口 | 文件标识符

&#x1fa90;&#x1fa90;&#x1fa90;欢迎来到程序员餐厅&#x1f4ab;&#x1f4ab;&#x1f4ab; 主厨&#xff1a;邪王真眼 主厨的主页&#xff1a;Chef‘s blog 所属专栏&#xff1a;青果大战linux 总有光环在陨落&#xff0c;总有新星在闪烁 最近真的任务拉满了&…
阅读更多...
时序论文23｜ICML24谷歌开源零样本时序大模型TimesFM

时序论文23｜ICML24谷歌开源零样本时序大模型TimesFM

论文标题&#xff1a;A DECODER - ONLY FOUNDATION MODEL FOR TIME - SERIES FORECASTING 论文链接&#xff1a;https://arxiv.org/abs/2310.10688 论文链接&#xff1a;https://github.com/google-research/timesfm 前言 谷歌这篇时间序列大模型很早之前就在关注&#xff…
阅读更多...
OpenAI 助力数据分析中的模式识别与趋势预测

OpenAI 助力数据分析中的模式识别与趋势预测

数据分析师的日常工作中&#xff0c;发现数据中的隐藏模式和预测未来趋势是非常重要的一环。借助 OpenAI 的强大语言模型&#xff08;如 GPT-4&#xff09;&#xff0c;我们可以轻松完成这些任务&#xff0c;无需深厚的编程基础&#xff0c;也能快速上手。 在本文中&#xff0…
阅读更多...
基于深度学习的点云分割网络及点云分割数据集

基于深度学习的点云分割网络及点云分割数据集

点云分割是根据空间、几何和纹理等特征对点云进行划分&#xff0c;使得同一划分内的点云拥有相似的特征。点云的有效分割是许多应用的前提&#xff0c;例如在三维重建领域&#xff0c;需要对场景内的物体首先进行分类处理&#xff0c;然后才能进行后期的识别和重建。 传统的点…
阅读更多...
快速图像识别：落叶植物叶片分类

快速图像识别：落叶植物叶片分类

1.背景意义 研究背景与意义 随着全球生态环境的变化&#xff0c;植物的多样性及其在生态系统中的重要性日益受到关注。植物叶片的分类不仅是植物学研究的基础&#xff0c;也是生态监测、农业管理和生物多样性保护的重要环节。传统的植物分类方法依赖于人工观察和专家知识&…
阅读更多...
MySQL 没有数据闪回？看 zCloud 如何补齐MySQL数据恢复能力

MySQL 没有数据闪回？看 zCloud 如何补齐MySQL数据恢复能力

ENMOTECH 上一篇文章为大家介绍了某金融科技企业通过 zCloud 多元数据库智能管理平台的告警中心“警警”有条地管理告警并进行敏捷处置的实践案例。本篇跟大家继续分享该案例客户如何利用 zCloud 备份恢复模块下的Binlog解析功能补齐 MySQL 数据恢复能力&#xff0c;让运维人员…
阅读更多...
transformer.js（四）: 模型接口介绍

transformer.js（四）: 模型接口介绍

前面的文章底层架构及性能优化指南介绍了transformer.js的架构和优化策略&#xff0c;在本文中&#xff0c;将详细介绍 transformer.js 的模型接口&#xff0c;帮助你了解如何在 JavaScript 环境中使用这些强大的工具。 推荐阅读 ansformer.js&#xff08;二&#xff09;&…
阅读更多...
使用 Elasticsearch 构建食谱搜索（二）

使用 Elasticsearch 构建食谱搜索（二）

这篇文章是之前的文章 “使用 Elasticsearch 构建食谱搜索&#xff08;一&#xff09;” 的续篇。在这篇文章中&#xff0c;我将详述如何使用本地 Elasticsearch 部署来完成对示例代码的运行。该项目演示了如何使用 Elastic 的 ELSER 实现语义搜索并将其结果与传统的词汇搜索进…
阅读更多...
1、HCIP之RSTP协议与STP相关安全配置

1、HCIP之RSTP协议与STP相关安全配置

目录 RSTP—快速生成树协议 STP STP的缺点&#xff1a; STP的选举&#xff08;Listening状态中&#xff09;&#xff1a; RSTP P/A&#xff08;提议/同意&#xff09;机制 同步机制&#xff1a; 边缘端口的配置&#xff1a; RSTP的端口角色划分&#xff1a; ensp模拟…
阅读更多...
hhdb数据库介绍(9-21)

hhdb数据库介绍(9-21)

计算节点参数说明 checkClusterBeforeDnSwitch 参数说明&#xff1a; PropertyValue参数值checkClusterBeforeDnSwitch是否可见否参数说明集群模式下触发数据节点高可用切换时&#xff0c;是否先判断集群所有成员正常再进行数据节点切换默认值falseReload是否生效是 参数设…
阅读更多...
最新文章

Copyright @ 2022~2023