Actor Thinker 数据集标注工具
所有键盘操作都可在“设置 → 键位设置”中查看和修改;重复键位会被标红并禁止保存。主要默认键位包括:
U/Ctrl+R:撤销 / 重做标注编辑0:将选中 Detector 的 class 设为GF/G/C/V:左上 / 右上 / 左下 / 右下角点;单按切换可见/不可见,连续双按设为不在范围内R/Y/B/P:将颜色设为 Red / Gray / Blue / PurpleW/A/S/D:向上 / 左 / 下 / 右切换选中的 Detector
鼠标与拖拽修饰键:
Ctrl + 左键拖拽:Mask 遮蔽某片区域Alt + 拖拽角点:梯形模式Shift + 拖拽角点:平行四边形模式- 左键 : 新建一个目标
- 右键 : 删除一个目标
- 中键 : 移动视图
- 滚轮 : 缩放视图
十字准心会覆盖整个画布,光标位于图片外侧的黑色区域时仍然显示。 选中 Detector 的不可见和不在范围内角点显示为空心圆,只有可见角点显示为实心圆。
默认使用 19 字段 LabelMaster V6:
color size class center_x center_y width height x0 y0 v0 x1 y1 v1 x2 y2 v2 x3 y3 v3
bbox 和关键点均采用归一化坐标,并允许小于 0 或大于 1,以表示位于图像外的标注;bbox 宽高仍必须非负。应用内部和文件点序均为 TL -> BL -> BR -> TR。关键点可见性定义为 0=不可见、1=不在范围内、2=可见。支持 bbox 的格式可在画布上拖动方形角柄编辑自动生成的 bbox;Mask 仍限制在图像内部。
原 17 字段 V6 已重命名为 V5,布局为 class_id bbox (x y visibility)[4]。V5 固定使用 14 类编码,class_id 允许范围为 0~13,打开后转换为新 V6。V4 固定使用 36 类编码。
打开目录时会扫描全部非空标签并自动识别格式,不再需要在设置中选择输入或输出格式。新 V6 直接打开;LabelMaster V1/V2/V3/V4/V5、HITSZ、UPC、NWPU 和 UnionSecret 格式全部自动转换为新 V6。V1/UPC 或 UnionSecret/NWPU 无法自动区分时会弹窗要求手动选择。没有可见性信息的格式在转换后默认四点全部可见(值为 2)。空数据集默认 V6。选定格式后,class 范围、字段数量或内容错误的样本会进入 stage 冲突处理流程,不影响其他合法标签完成导入。冲突对话框右上角的 ? 可查看全部格式说明。
目录完成校验与转换后,如果标签目录中存在没有同名图片、当前数据集不会使用的 .txt,程序会提示是否清理,并在详细信息中列出文件;只有确认后才会删除。
该格式每行有 9 个字段:combined-class x0 y0 x1 y1 x2 y2 x3 y3。B、R、G 每种颜色占 13 个连续编号:组内 0~7 为 Small G/1/2/3/4/5/O/Base,8~12 为 Big Base/G/3/4/5。因此 7/20/33 分别是 B/R/G Small Base,8/21/34 分别是 B/R/G Big Base。
UnionSecret 与 NWPU 都使用 9 字段。只出现 class_id 0~38 时,程序会弹窗要求选择“UnionSecret 格式”或“NWPU 格式”;出现 39~63 时自动识别为 NWPU。
导入时发现某个标签不符合选定格式,会将整张图片和整个标签移入数据集根目录的 stage/images 与 stage/labels,合法标签继续转为 V6。之后程序自动打开 stage。每次进入 stage 都会先同时严格检查“本次导入格式”和 LabelMaster V6:已经是 V6 的标签原样回迁;符合导入格式的标签直接转换成 V6 后回迁;两者都不符合的才进入手动标注,可解析的原格式标注行会保留,错误行需要重标。手动保存会写入并重新读取为 V6,通过后样本回到原始 images/labels。右下角的“强制合并”可以跳过两种格式校验和转换,直接回迁原文件,但会显示覆盖与格式风险警告。应用启动或重新打开数据集时若发现未完成的 stage,会优先恢复冲突处理,全部处理完后自动返回原数据集。
工具菜单中的“筛选模式”可以按 color / size / class 的任意精确组合筛出不需要的样本。命中的图片和标签会成对移动到图片目录父级的 filtering/images 与 filtering/labels,并在独立复核窗口中显示检测框。复核窗口支持亮度提升、恢复到原路径和直接删除;队列清空后自动删除空的 filtering 目录并返回正常模式。中途关闭时可再次进入筛选模式继续处理。
经典的交龙数据集格式同样支持,直接打开图片目录即可自动识别并导入: 交龙数据集
我们拆分了检测头,让Label也可读一些。
不过在该标注工具中,我们完全移除了对5号的支持,并删除了3 4 5号大装甲。
新标注的数据集也不再希望支持五号,我们对所有五号装甲板都进行了Mask操作
后续标注时遇到轨道哨兵,3/4/5号进行mask操作即可。
这样做的理由是保护我们无辜的标注人员,不要陷入标注地狱啊()
| int | color |
|---|---|
| 0 | BLUE |
| 1 | RED |
| 2 | GRAY |
| 3 | PURPLE |
| int | class |
|---|---|
| 0 | G |
| 1 | 1 |
| 2 | 2 |
| 3 | 3 |
| 4 | 4 |
| 5 | 5 |
| 6 | O(前哨站) |
| 7 | B(基地,大小由 size 区分) |
| int | size |
|---|---|
| 0 | 小装甲 |
| 1 | 大装甲 |
从左上角开始逆时针旋转
- 左上角点归一化坐标x
- 左上角点归一化坐标y
- 左下角点归一化坐标x
- 左下角点归一化坐标y
- 右下角点归一化坐标x
- 右下角点归一化坐标y
- 右上角点归一化坐标x
- 右上角点归一化坐标y
在 RoboMaster(以下简称RM) 中,我们需要对上述数据集格式中的所有装甲板进行识别,一共是 4 * 8 = 32 种装甲板。
拆分了检测头的情况下,参考其他学校的实现,每一个类别大概需要2000张左右,才有希望训练出足够鲁棒的模型。也就是说,总数据集大概需要2w张
神经网络识别的最好情况无非是和预先的标注完全重合,所以标注的精度很大程度决定了识别精度的上限,所以标注时需要非常认真。
蒙版的图样的绿线需要作为识别图案的黑白交界处的分界线。
强品硬凑蒙版,忽略灯条,应以灯条为主
强拼硬凑蒙版,香蕉线(标的什么玩意)
左右不分
更多标注标准,参照哈工深的标注工具。都是非常宝贵的标注经验。
同时,有意愿交换数据集的学校可以联系我: 3159890292@qq.com
我们hard fork了SJTU的标注工具,精简了功能,提高了可能的可维护性(其实我也不知道算不算,只不过我们队内维护起来比较顺手)
MIT License



