业界首个高性能交互式自动标注工具EISeg正式开源，跨越式提升你的标注体验...

在人工智能行业有这么一句话：“深度学习有多智能、背后就有多少人工”。这句话直接说出了深度学习从业者心中的痛处，毕竟模型的好坏数据占着很大的因素，但是数据的标注成本却让很多从业者感到头疼。在标注中，矩形框标注还相对简单，但是对于像素级别的分割标注，往往需要大量的点将目标轮廓抠出来，这需要大量的时间和人力成本去完成。

为了降低传统标注方式的人工成本、实现像素级目标标注的自动化，近期PaddleSeg团队联合PPSIG （飞桨特殊兴趣小组）Models-CV小组韩霖、陈奕舟两位SIG成员打造了业界首个高性能的交互式分割自动标注工具—EISeg。

什么是交互式分割呢？它其实就是先用预训练模型对图像进行预标注，对于标注不精准、有误差的地方，再通过一系列绿色点（正点）和红色点（负点）对目标对象边缘进行精准的调整，从而实现精细化标注，高效而实用。

详细的产品体验链接，请参考：

https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.2/contrib/EISeg

当然大家会好奇，交互式分割算法是怎么实现的？在这里和大家介绍一下：

交互式分割以用户的标注作为指导信息，根据用户的需求选取所需的前景或物体区域，并通过多次交互的方式得到灵活的标注结果，为图片标注提供了一种半自动化标注策略，与语义分割相比，交互式分割不仅仅需要传入图片和标签，还需要输入交互信息来进行训练。

为了给大家带来更好的标注体验，开发团队在多个模型上不断尝试如何获取高精度的标注结果。经过大量测试发现，HRNet+OCRNet模型结构能够更好的将交互点击信息传入到深层的特征中，并且保留分割结果的细节信息，从而使模型对交互信息的反应更精确、更灵活。值得一提的是：为了同时保证模型的高精度和轻量化，EISeg的交互式分割算法采用HRNet18和NRNet18-Small两种Backbone，而OCRNet的通道也可以进行不同数量的配置，得到计算量大小不同的模型，更好的满足用户不同场景的需求。

▲ 模型结构图

当然 EISeg 提供的不仅有预训练算法和交互式分割操作方式，更多功能逐一为大家揭晓！

 支持多种图像及标注格式满足多种视觉任务 

EISeg不仅仅支持输出mask掩膜输出，还支持多边形等多种标注生成。同时支持伪彩色图、灰度图，以及json、coco等数据格式，用户还可对角点进行增删和局部修正。这样标注出来的数据，不仅仅可以做语义分割，还可以用做实例分割任务，一举两得！！！

 超多人性化操作快捷键让标注效率一提再提！ 

为了进一步提高标注效率，EISeg提供了超多人性化设计的快捷键：

那到底标注效率有多快呢？我们具体来做个测试。

▲ 传统方法 1 分 7 秒

▲ EISeg 9 秒‍

可以看到，传统方法使用的标注时间是1分07秒，EISeg 使用的只有 9 秒！使用的时间是传统方式的 1/7 还不到！EISeg 的交互式分割模型的标注效率是远远超过传统标注的！

 丰富的标注模型适合多种场景 

EISeg 开放了在 COCO+LVIS 和大规模人像数据上训练的四个标注模型，满足通用场景和人像场景的标注需求。其中模型结构对应 EISeg 交互工具中的网络选择模块，用户需要根据自己的场景需求选择不同的网络结构和加载参数。

另外，为了更好的满足用户分割场景的多样性，PaddleSeg 团队还在持续建设其他垂类领域的交互式模型，例如医疗和遥感图像标注。期待有相关需求的开发者们一起参与开源共建中来！

心动不如行动，大家可以直接前往Github地址获得完整开源项目代码，记得Star收藏支持一下哦：

https://github.com/PaddlePaddle/PaddleSeg

有小伙伴使用过EISeg后表示“救了眼睛一命，省下不少时间！”，这么好用的开源自动标注工具还不叫上你的好朋友来体验一下！除此之外，百度飞桨开发者说邀请到了EISeg的开发团队成员韩霖为大家带来一场专题直播，与大家共同交流EISeg强大的标注功能和实现原理！

欢迎大家扫码海报二维码加入技术交流群进行互动和获取直播链接，或B站搜索“飞桨PaddlePaddle”关注直播间。 

此次高效智能的交互式分割标注工具——EISeg，由PPSIG Models-CV小组韩霖、陈奕舟和PaddleSeg开发团队共同完成。PPSIG Models-CV是基于计算机视觉的飞桨特殊兴趣小组（PPSIG），以贡献优质的开发套件和部署工具为目标，参与相关论文复现、Issue解决和产品文档的建设优化工作，为开发者提供更加流畅高效的使用体验，助力开发者训练出更好的视觉模型和应用落地。 

加入飞桨特殊兴趣小组（PPSIG），不光可以与飞桨的技术专家交流合作，更可以与志同道合的小伙伴共同为开源社区做出优质贡献，说不定下一个优秀Repo的开发者名单中就有你！

 参与方式 

如果您有兴趣加入，可扫码填写问卷，通过技术评估后即可加入。

更多PPSIG介绍，点击“阅读原文”即可了解。

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！