công cụ để dán nhãn hình ảnh để phân loại


12

Bất cứ ai cũng có thể đề xuất một công cụ để nhanh chóng gắn nhãn hàng trăm hình ảnh làm đầu vào để phân loại? Tôi có ~ 500 hình ảnh kính hiển vi của các tế bào. Tôi muốn chỉ định các danh mục như 'khỏe mạnh', 'chết', 'bệnh' theo cách thủ công cho một tập huấn luyện và lưu chúng vào một tệp csv.

về cơ bản giống như được mô tả trong câu hỏi này , ngoại trừ tôi không có hình ảnh độc quyền, vậy có lẽ điều đó sẽ mở ra những khả năng bổ sung?


Đây có phải là điều mà bạn sẽ phải làm nhiều lần? Nếu vậy, nó có thể là giá trị xây dựng một công cụ. Xem điều này: datascience.stackexchange.com/questions/13335/ từ
Hobbes

Có thể đi theo con đường đó nếu cần thiết nhưng có vẻ như một cái gì đó nhiều người có thể sử dụng và giải pháp đó đã tồn tại?
jlarsch

Nghe có vẻ như pilab-annotator hoặc pylabelme là hữu ích, mặc dù chúng có thể là quá mức cần thiết. stackoverflow.com/questions/10609455/ từ
Hobbes

những thứ đó dường như hướng đến các tính năng chú thích trong ảnh. Có lẽ tôi có thể sử dụng chúng theo cách cơ bản nhất để chỉ gán một nhãn cho toàn bộ hình ảnh
jlarsch

1
Có một vài công cụ hiện có để chú thích hình ảnh, công cụ phổ biến và dễ sử dụng nhất là: github.com/tzutalin/labelImg
olive_tree

Câu trả lời:


5

Tôi vừa hack cùng một người trợ giúp rất cơ bản trong python, nó yêu cầu tất cả các hình ảnh được lưu trữ trong một danh sách pyton allImages.

import matplotlib.pyplot as plt
category=[]
plt.ion()

for i,image in enumerate(allImages):
    plt.imshow(image)
    plt.pause(0.05)
    category.append(raw_input('category: '))

Nếu điều này giải quyết được vấn đề của bạn, bạn nên chấp nhận câu trả lời của chính mình để nó không xuất hiện dưới dạng "câu hỏi chưa được trả lời" trên trang web này :)
Eskapp

1

Hãy cố gắng giám sát .

Đối với nhiệm vụ của bạn, bạn có thể tạo các lớp: 'khỏe mạnh', 'chết', 'bệnh' và liên kết chúng với công cụ Hình chữ nhật. Sau đó, bạn chỉ cần đặt một hộp xung quanh mỗi ô với lớp tương ứng. Dưới đây là một ví dụ:

  1. Định nghĩa các lớp nhập mô tả hình ảnh ở đây
  2. Dán nhãn nhập mô tả hình ảnh ở đây

Nếu các danh mục của bạn không loại trừ lẫn nhau, bạn có thể tạo lớp di động tế bào (và liên kết nó với hình chữ nhật) và sau đó tạo một số thẻ - một thẻ cho mỗi danh mục của bạn. Dưới đây là một ví dụ:

  1. Định nghĩa về các lớp và thẻ nhập mô tả hình ảnh ở đây
  2. Dán nhãn nhập mô tả hình ảnh ở đây

1

Tôi đã tạo một mã làm những gì bạn cần, nó có sẵn trên GitHub dưới dạng image-sorter2 . Thay vì "dán nhãn" hình ảnh, nó đặt hình ảnh vào một thư mục mới, nhưng việc tạo csv mà bạn đang nói đến là một phần mở rộng thẳng. So với các tập lệnh được đề xuất khác ở đây image-sorter2 miễn phí 100% và bạn không cần phải mất thời gian để vẽ các hộp giới hạn - tập lệnh chỉ cần mở GUI cho bạn, bạn nhấp vào một trong nhiều nút và tương ứng với mỗi hình ảnh được sắp xếp vào thư mục lớp mong muốn, ví dụ: "mèo", "chó", "xe tải" aso

nhập mô tả hình ảnh ở đây


1

pidgey - widget cho máy tính xách tay jupyter với học tập tích cực

Tôi vừa tìm thấy công cụ nguồn mở này và nó trông thật tuyệt vời: nhập mô tả hình ảnh ở đây

Đó là một tiện ích tương tác cho Jupyter Notebook và điều tuyệt vời nhất về nó - theo cam kết này, bạn có thể thêm trình phân loại giống như sklearn của riêng mình và sử dụng nó để dự đoán các lớp khi bạn chú thích! Trình phân loại tiếp tục học khi bạn tiến hành ghi nhãn.


tkteach - Công cụ Python phân loại hình ảnh siêu nhanh

Ngoài ra, có một công cụ gọi là tkteach và thật tuyệt vời vì bạn có thể chú thích hình ảnh rất nhanh chỉ bằng bàn phím. Tôi đã cải thiện phiên bản gốc một chút. Ngã ba ở đây: https://github.com/Serhiy-Shekhovtsov/tkteach

nhập mô tả hình ảnh ở đây



0

Hãy thử sử dụng công cụ chú thích EVA. Ericsson / eva , điều này có chức năng theo dõi tuyệt vời. bạn đánh dấu đối tượng chỉ trong 1 khung và phần còn lại / nhiều khung được tự động chú thích. Điều này cũng có tính năng mở khóa để giúp chú thích nhanh hơn và số lượng đối tượng nhiều hơn trong mỗi khung. Điều này hỗ trợ tải lên video hoặc bộ dữ liệu hình ảnh.

Điều tốt nhất, hoàn toàn miễn phí / nguồn mở! nhập mô tả hình ảnh ở đây

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.