Histórico e pontos problemáticos
Em pequenos projetos de visão computacional, a rotulagem manual de imagens geralmente consome tempo do projeto e é propensa a inconsistências de rótulos. As ferramentas tradicionais, como o LabelImg, precisam ser instaladas localmente, e o processo complexo reduz ainda mais a eficiência.
prescrição
O MakeSense oferece uma solução tripla de otimização de eficiência:
- Etiquetagem assistida por IAO modelo YOLOv5 integrado detecta automaticamente 80 categorias de objetos comuns (por exemplo, pessoas/carros/animais) com uma taxa de precisão de 85%+, os usuários só precisam:
- Clique no botão "Use AI Assistance" (Usar assistência de IA).
- Correção manual de áreas detectadas incorretamente selecionadas na caixa
- Pressione Enter para confirmar o quadro de detecção válido
- Sistema de teclas de atalho9 atalhos operacionais de alta frequência são suportados, incluindo:
- ←/→Alternar imagens vizinhas
- Delete exclui a guia atual
- Ctrl+S salva automaticamente o progresso
- operação em loteSuporte: Permite que mais de 200 imagens sejam carregadas de uma vez e gerenciadas centralmente por meio do painel esquerdo:
- Mude a seleção múltipla para excluir imagens redundantes
- Arraste e solte para ajustar a ordem da rotulagem
habilidade avançada
Os usuários profissionais podem 1) carregar modelos personalizados do YOLOv5 (precisam ser convertidos para o formato .pt) 2) usar a ferramenta de rotulagem de polígonos para lidar com objetos irregulares 3) analisar o equilíbrio da distribuição de rótulos pela função Stats
Essa resposta foi extraída do artigoMakeSense: uma ferramenta de anotação de imagens de uso gratuito para aumentar a eficiência do projeto de visão computacionalO
