PaddleCV-SIG / PaddleLabel-ML

https://github.com/PaddleCV-SIG/PaddleLabel/

PaddleLabel-ML

PaddleLabel机器学习辅助标注后端。

PaddleLabel-ML 中的模型分为两类：自动推理模型和交互式模型。所有模型在分发时都包含一套默认权重，部分模型支持指定非默认权重。目前模型包括

交互式模型：

• EISeg

自动推理模型：

• PicoDet
• PPLcNet

安装说明

通过 PIP 安装

pip install paddlelabel-ml

安装最新开发版

PaddleLabel 开发团队会不定期从最新的 develop 分支中使用 Github Action 构建开发版安装包。开发版较 pypi 版本经过测试较少，可能存在更多的 bug。开发版中会包含最新的功能和修复。

安装开发版的步骤为

1. 访问 PaddleLabel-ML 构建 Github Action 页面，点击进入最上方（最新的一次）Action 运行。

2. 点击下载构建出的安装包

3. 解压下载的安装包，其中应包含两个文件。之后使用 pip 安装其中 whl 结尾的文件，如 paddlelabel_ml-0.5.0-py3-none-any.whl。不同版本的版本号会有不同

# 注意修改命令中文件名部分
pip install paddlelabel_ml-[版本号]-py3-none-any.whl

通过源码安装

首先将代码克隆到本地：

git clone https://github.com/PaddleCV-SIG/PaddleLabel-ML

安装：

cd PaddleLabel-ML
python setup.py install

启动

完成上述的安装操作后，可以直接在终端使用如下指令启动 PaddleLabel 的机器学习端。

paddlelabel_ml  # 启动ml后端

*EISeg模型下载

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