交互式分割使用方法

• 前置步骤
• 进行设置
• 使用交互式标注

PaddleLabel 基于EdgeFlow模型在语义和实例分割项目中提供交互式分割支持。

前置步骤

1. 在使用自动预标注功能前请先参考 此文档 安装 PaddleLabel-ML 辅助标注后端

2. 启动 PaddleLabel 和 PaddleLabel-ML

   打开两个命令行终端，第一个输入 paddlelabel 并回车，第二个输入 paddlelabel-ml 并回车，分别启动项目的 web 部分和辅助标注部分

3. 创建项目

   您可以参考快速体验文档创建内置样例项目或导入一个数据集

进行设置

1. 创建项目后直接进入标注页面，当鼠标悬浮在右侧工具栏“交互式分割”按钮上时，其左侧会出现“交互式分割设置”按钮，点击该按钮将弹出设置面板。
2. 交互式分割设置中，机器学习后端网址为必填项，该网址可以通过观察 PaddleLabel-ML 启动时的命令行输出确定
3. 模型和权重文件路径为选填项，如果留空，默认使用的模型是 HRNet18_OCR64 通用分割场景高精度模型。此外 EdgeFlow 还提供针对人像，遥感，医疗和瑕疵检测的垂类模型，您可以展开下方列表查看和下载。注意两个路径需要使用绝对路径，模型和权重文件要对应。
   点击查看更多模型

   模型类型	适用场景	模型结构	模型下载地址
   高精度模型	通用场景的图像标注	HRNet18_OCR64	static_hrnet18_ocr64_cocolvis
   轻量化模型	通用场景的图像标注	HRNet18s_OCR48	static_hrnet18s_ocr48_cocolvis
   高精度模型	通用图像标注场景	EdgeFlow	static_edgeflow_cocolvis
   高精度模型	人像标注场景	HRNet18_OCR64	static_hrnet18_ocr64_human
   轻量化模型	人像标注场景	HRNet18s_OCR48	static_hrnet18s_ocr48_human
   轻量化模型	遥感建筑物标注场景	HRNet18s_OCR48	static_hrnet18_ocr48_rsbuilding_instance
   高精度模型*	x 光胸腔标注场景	Resnet50_Deeplabv3+	static_resnet50_deeplab_chest_xray
   轻量化模型	医疗肝脏标注场景	HRNet18s_OCR48	static_hrnet18s_ocr48_lits
   轻量化模型*	MRI 椎骨图像标注场景	HRNet18s_OCR48	static_hrnet18s_ocr48_MRSpineSeg
   轻量化模型*	质检铝板瑕疵标注场景	HRNet18s_OCR48	static_hrnet18s_ocr48_aluminium

4. 完成设置后点击“确定”，模型会在后台加载，通常时间不超过 1 分钟。加载完成后页面顶部会弹出消息模型加载完成，您可以开始使用智能标注工具了。

使用交互式标注

1. 点击页面右侧工具栏中“交互式分割”按钮进入交互式分割模式。此时页面上一些工具会被置灰禁用，再次点击“交互式分割”按钮退出后会恢复
2. 选中一个标签，之后在图像中前景位置鼠标左键点击添加正样本点；在模型过度分割，掩膜蔓延到背景的位置鼠标右键点击添加负样本点，点击可以进行多轮。此外您可以在此过程中通过调整分割阈值控制整体边缘位置
3. 无论语义还是实例分割项目，推荐每次只用交互式分割标注一个对象，这样标注精度更高。完成一个对象的标注后，按下鼠标中键保存结果和清空当前控制点

---