基于 YOLO + SAM 的自动图像标注实战

VIP基于 YOLO + SAM 的自动图像标注实战
摘要: 本文提出一种基于YOLO检测和SAM分割的自动化数据标注流水线方案,通过YOLO定位目标并生成检测框,再以检测框为提示驱动SAM完成精细分割,最终输出YOLO格式的标注文件。该方案将人工标注升级为半自动流程,显著提升标注效率,尤其适用于多类别、大规模图像的实例级标注需求。代码模块化设计支持模型灵活替换,并集成异常处理与进度可视化功能。虽依赖YOLO检测质量且对小目标存在局限,但作为工程落地方案,可有效降低私有数据集构建成本,适用于工业检测、遥感等场景的冷启动标注。
开通可读全文 ·1.1k 人阅读
最低0.47元/天 解锁文章

用检测模型做“找对象”,用分割模型做“画轮廓”,一套脚本把数据标注从体力活升级成自动化流水线。


一、背景与动机

在计算机视觉项目中,高质量标注数据往往比模型结构本身更昂贵。尤其是:

  • 目标类别多
  • 图像数量大
  • 需要实例级 / 分割级标注

手工标注不仅慢,而且极易成为项目瓶颈。

一个非常自然的想法是:

能不能让模型帮我们先标一版?

本文介绍一种在工程中非常实用的方案:

  • YOLO:负责目标检测(给出 bbox + 类别)
  • SAM(Segment Anything Model):基于 bbox 进一步做精细分割

最终目标:

输入一堆图片 → 自动生成可用于训练的标注文件(YOLO 格式)


二、整体流程设计

整体流程非常清晰:

Images
  ↓
YOLO 检测(bbox + class)
  ↓
SAM 分割(基于 bbox)
  ↓
生成 txt 标注文件

核心思想

  • YOLO 擅长 “找在哪”
  • SAM 擅长 “抠得准”
  • 用 YOLO 的 bbox 作为 prompt,可以显著提升 SAM 的稳定性和速度

三、代码结构总览

脚本主要由 4 个部分组成:

  1. 模型加载(YOLO + SAM)
  2. 单张图片处理逻辑
  3. 批量数据处理
  4. 命令行接口设计

下面逐一拆解。


四、模型加载:健壮第一

def load_models(yolo_model_path: str, sam_model_path: str):
    yolo_model = YOLO(yolo_model_path)
    sam_model = SAM(sam_model_path)
    return yolo_model, sam_model, yolo_model.names

设计要点

  • 显式异常捕获:模型路径错误时能快速定位问题
  • 同时返回 obj_names,用于生成 classes.txt

这是一个小细节,但在数据流水线中非常重要。


五、单张图片处理逻辑(核心)

1️⃣ 读取图像

img = cv2.imread(str(img_path))
  • 无法读取直接跳过
  • 防止坏图导致整个流程中断

2️⃣ YOLO 目标检测

results = yolo_model.predict(img, verbose=
VIP YOLO+SAM自动标注实战:效率提升4-5倍的图像标注流水线 目标检测与实例分割是计算机视觉的核心任务,其标注过程通常依赖人工逐图绘制边界框与掩码,耗时且一致性难以保证。通过预训练模型进行推理,将高置信度检测结果自动转化为标注数据,并结合分割模型对边缘进行精细化处理,可显著降低人工介入比例。该技术方案在工业质检、自动驾驶、遥感分析等场景中具有广泛的应用价值,尤其适合处理数百至数万张图片的标注任务。YOLO与SAM的组合实现了从粗定位到精分割的自动化衔接,配合置信度阈值筛选与人工审核队列,在保证标注质量的同时大幅提升效率。 开通可读全文·275 阅读·1 点赞·4 收藏 阅读全文

相关推荐

利用SAM实现自动标注

(2)检测图像的文件(可调整后面的图片高/宽):python helpers/generate_onnx.py --checkpoint-path sam_vit_h_4b8939.pth --onnx-model-path ./sam_onnx.onnx --orig-im-size 720 1280。/segment-anything/dataset/ -a …(3)运行完会有对应的sam_onnx.onnx文件,将其移到SAM工具主文件夹中:cp sam_onnx.onnx …/SAM-Tool/

略知12的博客 4308

分割一切?手把手教你部署SAM+LabelStudio实现自动标注

最近Open-mmlab开源了Playground项目,将最近引起CV界轰动的SAM(Segment Anything Model)模型和Open-mmlab多个视觉框架相结合,可实现多种视觉任务的自动标注,本文将采用Open-mmlab的Playground开源项目,使用SAM和LabelStudio,实现分割任务的半自动标注。

m0_47026232的博客 2万+

使用YOLO自动标注,并由用labelImg微调

什么是自动标注?在训练过程中,如果图片的数据量不够,或想通过某些手段加快标注的效率,可以在之前训练好的模型基础上识别出一些物体,根据已识别的数据进行转换。在labelme或labelimg上继续修改已识别的数据。这时候由于已经有很多物体被模型识别预先标注了,可以很大提高标注的效率。在labelimg中选择openDir,选择刚才的模型输出目录。已经看到模型识别后标注的结果,具体框的结果与模型的准确度有关。如果有发现标注不正确或错误太多的可以适当调高conf-thres值再检测,默认是0.25。

weixin_45819759的博客 1万+

Anylabeling与SAM协同:从智能标注到YOLO数据集的自动化构建

本文详细介绍了如何利用Anylabeling与SAM(Segment Anything Model)协同工作,实现从智能标注到YOLO数据集的自动化构建。通过SAM生成初始标注,再使用Anylabeling进行高效校验和修正,最终转换为YOLO格式,大幅提升数据标注效率和质量。适用于计算机视觉领域的工业缺陷检测、物体识别等场景。

weixin_30800807的博客 442

告别纯手工!用X-AnyLabeling的SAM2模型,5分钟搞定复杂目标分割标注

本文介绍了X-AnyLabeling中SAM2模型在复杂目标分割标注中的应用,通过点选式交互和零样本适应技术,大幅提升标注效率。结合YOLO11自动检测,实现医学影像、遥感图像等场景的像素级精度标注,节省87%时间并提升32%的IoU指标。

weixin_42534103的博客 491

X-AnyLabeling:AI驱动的智能数据标注工具实战指南

在计算机视觉和机器学习项目中,数据标注是构建高质量数据集的基础环节,其核心原理是通过人工或自动化方式为原始数据添加标签,以用于模型训练。传统手动标注方式效率低下且易出错,而AI辅助标注技术通过集成预训练模型,实现了从纯手工到“人机协同”的范式转变,显著提升了标注效率与一致性,具有极高的技术价值。该技术广泛应用于自动驾驶、医疗影像分析、工业质检等需要大量标注数据的场景。本文聚焦的X-AnyLabeling工具,正是这一趋势下的优秀实践,它深度融合了Segment Anything Model (SAM)和YO

weixin_32770423的博客 338

YOLOv8【第十七章:前沿演进与跨界融合篇·第6节】SAM (Segment Anything Model) + YOLO:自动标注与辅助检测!

🏆 本文收录于 《YOLOv8实战:从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例(当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向),坚持持续更新 + 深度解析,质量分长期稳定在 97 分以上,可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。

**My Coding Family** 1048

基于SAM的半自动图像标注:从掩码到YOLO标签的实战

在计算机视觉项目中,高质量的数据集标注是模型训练的前提,但纯人工标注目标检测和语义分割数据集的成本极高。Segment Anything Model(SAM)作为一种零样本分割模型,能够根据点、框等提示快速生成物体掩码,为图像标注自动化提供了新思路。基于SAM的半自动图像标注方法,将模型输出的掩码转换为目标检测所需的外接框或语义分割所需的像素级标签,大幅压缩数据准备周期。本文从工程实践角度,介绍如何利用SAM构建半自动标注流水线,涵盖模型选型、掩码到标签的转换逻辑、批量预标注脚本实现以及常见问题排查,帮助开

weixin_29047545的博客 183

SAM半自动图像标注实战:从环境搭建到COCO/YOLO导出

图像标注是计算机视觉数据准备的核心环节,其质量直接影响模型泛化能力与训练稳定性。传统手动标注面临边界不一致、标签噪声累积、跨样本连续性差等固有瓶颈;而基于视觉提示解码的SAM(Segment Anything Model)通过点/框交互式分割,将人力从像素级描边解放至目标存在性判断、类别归属确认与模糊区域仲裁等高价值决策环节。本文聚焦工程落地,详解PyTorch-CUDA版本兼容性、vit_b模型prompt鲁棒性选择、OpenCV轻量交互闭环构建,并深入COCO RLE编码、YOLO归一化坐标转换及语义分

weixin_42548708的博客 281

SAM半自动图像标注实战:从零样本分割到YOLO/COCO数据集生成

图像分割是计算机视觉的基础任务,其核心在于如何高效获取高质量像素级标注。基于提示学习(prompt-based learning)的零样本分割模型SAM,通过点、框、涂鸦等轻量交互,实现对任意物体的泛化分割,显著降低人工标注成本。技术价值体现在三方面:一是摆脱传统依赖大量标注数据的微调范式,支持跨域迁移;二是输出掩码可直接映射为目标检测(YOLO格式)与语义/实例分割(COCO/VOC格式),打通数据生产与模型训练链路;三是可嵌入CVAT等现有标注平台作为预标注引擎。本文聚焦SAM在真实产线中的工程落地,涵

weixin_29034963的博客 341

Centos7网络配置(设置固定ip)

刚安装完系统,有的人尤其没有勾选自动网络配置的情况下,是访问不了外网的,本机也连不通虚拟机。或者现在有的是动态ip,几次之后启动ip地址就变了,会导致其他软件或程序之前连接配置要重新更改,很麻烦,下面讲解一下如何配置网络,如何设置成固定ip。

个人笔记git:https://gitee.com/tlangp/note.git 8058

基于STM32的多路火灾报警系统设计

本文设计了一款基于STM32的多路火灾报警系统,利用多个传感器组合(如烟雾传感器、温度传感器等)进行数据采集与处理,精确判断火灾情况,并及时发出报警信号,保障生命与财产安全。本系统设计了一款基于STM32的多路火灾报警系统,通过结合烟雾传感器和温度传感器,提升了火灾检测的准确性和可靠性。未来,系统可以进一步集成更多传感器,如气体传感器、湿度传感器等,进一步提升火灾报警系统的智能化水平。本系统采用STM32F103单片机作为核心处理单元,结合烟雾传感器、温度传感器和报警模块,实现多通道火灾报警功能。

stm32d1219的博客 2035

VideoPose3d:环境搭建+制作自己的视频

论文链接:3D human pose estimation in video with temporal convolutions and semi-supervised training 代码链接:https://github.com/facebookresearch/VideoPose3D 环境搭建:ubuntu20.04+pytorch1.8+cuda10.2+python3.6+anaconda 1.启动anaconda环境 新建环境命令: conda create -n pytorc.

willbetter01的博客 4945

【参数配置】OpenClaw 的破解之道(Doom Loop)

本文深入解析了OpenClaw中的Doom Loop(死循环)问题及其应对策略。主要内容包括: Agent Loop的核心概念:基于ReAct范式,OpenClaw通过"思考-行动-观察"循环执行任务,但可能陷入无进展的死循环。 Doom Loop现象:Agent持续执行但任务进度为零,常见于四种工具调用场景:相同调用重复执行、调用不存在工具、轮询工具卡死、操作交替振荡。 OpenClaw的防御机制: 第一道防线:重试端断路器,通过上下文压缩熔断(最多3次)和总重试次数熔断(32-160次)防止无限重试。

海兰 4044

手把手教你学Simulink——基于电机驱动系统的场景实例:轮毂电机在电动汽车中的分布式驱动控制仿真

本文详细介绍了基于MATLAB/Simulink和Simscape Electrical的电动汽车轮毂电机分布式驱动控制系统建模方法。内容包括系统结构设计(轮毂电机、逆变器、控制器等模块)、完整的建模过程(从基础模块导入到车辆动力学建模)、控制器设计与转矩分配策略实现,以及仿真参数设置与结果分析。通过仿真验证了该分布式驱动系统在速度跟踪、转弯性能等方面的优异表现,为电动汽车驱动系统的研究与开发提供了有效的仿真验证平台。文中还提供了相关代码示例和资料推荐,是学习Simulink电机控制系统建模的实用指南。

MHD0815的博客 4916

解密大文件:Python中的AES-128-CBC解密实践

本文介绍了使用Python的pyca/cryptography库处理AES-128-CBC加密大文件的方法。详细讲解了密钥/IV设置、加密/解密流程及PKCS7填充操作,建议采用分块处理(如2GB)优化性能。同时强调了CBC模式的数据完整性风险,推荐考虑AES-GCM等认证加密模式,并指出填充顺序和块大小选择对处理效果的影响。通过具体代码示例,展示了如何安全高效地加密解密数百GB文件。

2501_90323865的博客 133

十八万字《python从零到精通教程》第二版,贴心保姆教你从零变大神,学不会找我

文章目录一.pycharm下载安装二.python下载安装三.pycharm上配置python四.配置镜像源让你下载嗖嗖的快4.1pycharm内部配置4.2手动添加镜像源4.3永久配置镜像源五.插件安装(比如汉化?)5.1自动补码神器第一款5.2 自动补码神器第二款5.2汉化pycharm5.3其它插件六.美女背景七.自定义脚本开头八、这个前言一定要看九、python入门十、python缩进十一、Python注释1.单行注释2.多行注释十二、Python 变量1.变量定义理解2. 变量名命名3. 分配多个

全栈川川 7万+

C# NX二次开发-查找连续倒圆角面

可以通过ufun函数 UF_MODL_ask_face_type 和 UF_MODL_ask_face_props 可判断处理选择相应的一组圆角面。在QQ群里有人问怎么通过一个选择一个倒圆角面来自动选中一组倒圆角面。这个是初步思路,如果有更好的思路可回复讨论一下。

fhqiwmc的博客 624

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

vb 6.0并口开发操作实例

vb6并口开发,简体中文,试例内有inpout32.dll动态链接库

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

上一篇: YOLO26 在 RK3588 上的 RKNN 模型部署实践
下一篇: 基于 YOLO + SAM 的自动图像标注实战--落地化代码
视觉黑洞
博客等级 码龄5年 3粉丝 5原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址