YOLO v11的学习记录（四） 标注图片得到训练所需的数据集
YOLOv8 的实例分割模型使用多边形来表示对象的轮廓。将 SAM 生成的掩模图转换为 YOLO 格式的标签文件。创建一个 YOLOv8 的配置文件，指定数据集路径、类别数等参数。使用 YOLOv8 提供的默认配置文件并进行修改。通过以上步骤，就可以利用 SAM 生成的图像和掩模图，从头训练一个 YOLOv8 的实例分割模型。使用 YOLOv8 的命令行工具或 Python API 开始训练模型。
·
AnyLabeling 是一款开源、跨平台（Windows/macOS/Linux）的智能图像标注工具，使用AnyLabeling标注图片可以大大提高效率。具体方法见：
https://blog.csdn.net/xulibo5828/article/details/154707998
从coco2017数据集里复制出300张图片作为练习，利用上述方法，进行标注。
1、准备图片
2、打开AnyLabeling，并导入图片文件夹，选择自动标注后选择模型，开始标注：
3、+点的含义是增加一个特征点，-点的含义是当前点不属于标注对象，完成一个对象后点击“完成对象”。完成一张图片后，点击“下一张”按钮，标注下一张。
4、所有图片全部完成后，导出标注：
得到的标注文件：
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
5
0- 0
已为社区贡献3条内容
所有评论(0)