批量把长图竖直拆分成接近正方形的小图片的脚本 给文件读取异步操作限流,防止文件打开过多报错

# ISAT with segment anything # 交互式半自动图像分割标注工具  **如果这个项目给您的工作生活带来了便捷，请给一个Star；如果想对该项目贡献代码，请发Pull requests**   [[中文](README.md)] [[English](./docs/README-en.md)] 集成[segment anything](https://github.com/facebookresearch/segment-anything)，实现图片分割快速标注。 演示视频：[bilibili](https://www.bilibili.com/video/BV1or4y1R7EJ/) Demo Video：[youtube](https://www.youtube.com/watch?v=yLdZCPmX-Bc) # 特点 - 支持基于SAM的**交互式半自动标注**。 - 支持**手动标注**多边形。 - 支持连点绘制，连点模式下每隔0.15s添加一个点，便于绘制曲线。 - 支持标注**二次修改**。 - 支持重叠目标**调整遮挡**关系。 - 支持标注**结果预览**。 - 单独线程进行sam encoder计算，降低切换图片的卡顿感 - 更多功能详见[功能说明](./docs/功能说明.md) # 安装 ## 1. 源码运行 ### (1) 创建虚拟环境 ```shell conda create -n isat_env python=3.8 conda activate isat_env ``` ### (2) 获取ISAT_with_segment_anything源码并安装依赖 ```shell git clone https://github.com/yatengLG/ISAT_with_segment_anything.git cd ISAT_with_segment_anything pip install -r requirements.txt ``` ### (3) 下载Segment anything预训练模型 下载预训练模型，并将模型存放于ISAT_with_segment_anything/ISAT/checkpoints目录下 当前支持的模型有[SAM](https://github.com/facebookresearch/segment-anything)系列，[sam-hq](https://github.com/SysCV/sam-hq)系列，[MobileSAM](https://github.com/ChaoningZhang/MobileSAM)系列。 | 系列 | 预训练模型 | 显存占用 | 文件大小 | |----|----|----|----| | SAM | [sam_vit_h_4b8939.pth](https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth) | 7305M | 2.6G | | | [sam_vit_l_0b3195.pth](https://dl.fbaipublicfiles.com/segment_anything/sam_vit_l_0b3195.pth) | 5855M | 2.6G | | | [sam_vit_b_01ec64.pth](https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth) | 4149M | 375M | | sam-hq | [sam_hq_vit_h.pth](https://huggingface.co/lkeab/hq-sam/blob/main/sam_hq_vit_h.pth) | 7393M | 2.6G | | | [sam_hq_vit_l.pth](https://huggingface.co/lkeab/hq-sam/blob/main/sam_hq_vit_l.pth) | 5939M | 1.3G | | | [sam_hq_vit_b.pth](https://huggingface.co/lkeab/hq-sam/blob/main/sam_hq_vit_b.pth) | 4207M | 379M | | | [sam_hq_vit_tiny.pth](https://huggingface.co/lkeab/hq-sam/blob/main/sam_hq_vit_tiny.pth) | 1463M | 43M | | mobile-sam | [mobile_sam.pt](https://github.com/ChaoningZhang/MobileSAM/blob/master/weights/mobile_sam.pt)| 1375M | 40M | 下载好模型后，重新启动软件，通过SAM-下拉列表，选择要用的模型。（切换模型需要一定时间，切换h模型大概需要5秒左右，视硬件情况而定。） ### (4) 运行软件 ```shell python main.py ``` ## 2. pip安装 ### (1) 创建虚拟环境 ```shell conda create -n isat_env python=3.8 conda activate isat_env ``` ### (2) pip安装ISAT_with_segment_anything **windows系统下，通过pip安装的pytorch默认是cpu版本，gpu版本的pytorch需去[pytorch官网](https://pytorch.org/)手段安装。** ```shell pip install isat-sam ``` ### (3) 运行软件 ```shell isat-sam ``` ## 3. windows下exe运行 ### (1) 下载打包好的exe文件 **打包的exe版本会落后于git源码，建议运行源码或pip安装** 需下载三个.zip文件，总体大小2.7G，解压缩后4.9G。 打开ISAT_with_segment_anything文件夹，双击main.exe运行。 | | 下载链接 | |--------|-----------------------------------------------------------| | 百度网盘 | 链接：https://pan.baidu.com/s/1vD19PzvIT1QAJrAkSVFfhg 提取码：ISAT | ### (2) 下载Segment anything预训练模型 打包后的软件，附带了sam_hq_vit_tiny.pth模型，便于直接使用。 ( **近期有朋友反馈，sam_hq_vit_tiny.pth无法在CPU环境下运行，这是由于sam-hq模型权重保存的问题。请下载mobile-sam.pt权重后选择mobile-sam模型** ) 如需使用精度更高的模型，请自行下载，并放置于ISAT/segment_any下(打包的exe为旧版本，还未更新)。 下载地址同上[下载预训练模型](https://github.com/yatengLG/ISAT_with_segment_anything/#3-下载segment-anything预训练模型) # 使用 软件具体功能可查看：[功能说明](./docs/功能说明.md) ## 1.标注 ```text 1. 软件左侧选择类别（工具栏-文件-设置中，进行类别添加或修改） 2. 开始标注 2.1 半自动标注 点击工具栏[Segment anything]开始半自动标注（快捷键Q） 通过鼠标左键（或右键）提示感兴趣区域（或不感兴趣区域），调整目标分割掩码。 2.2 手动标注 点击工具栏[绘制多边形]开始手动标注（快捷键C） 通过鼠标左键添加多边形顶点。 鼠标左键按下并拖动，持续添加顶点，时间间隔0.15s。 2.3 退上一个状态 工具栏点击工具栏[回退]按钮（快捷键Z），回退到标注的上一个状态。 半自动标注时，删除上一个添加的点提示；手动标注时，删除上一个添加的顶点。 3. 点击工具栏[标注完成]按钮，完成标注（快捷键E）。 4. 点击工具栏[保存]按钮（快捷键S），写入json文件。 ``` ## 2.修改 ```text 1. 多边形修改 拖拽多边形顶点，修改多边形形状。 拖拽多边形，调整多边形位置。 2. 类别修改 选定目标，点击工具栏[编辑]按钮（快捷键E），在跳出的编辑框中修改类别或添加信息。 3. 遮挡修改 对于存在重叠部分的目标，选定目标多边形后，点击工具栏[置顶]（快捷键T）或[置底]（快捷键B）按钮，调整目标遮挡关系。 4. 删除目标 选定目标，点击工具栏[删除]按钮（快捷键DEL），删除选定目标。 ``` ## 3.查看 ```text 1. 结果预览 点击工具栏[位图]按钮（快捷键SPACE），预览标注结果。 点击时，以 ‘标注-语义-实例’ 的顺序进行切换。 2. 窗口调整 点击工具栏[放大]，[缩小]，[适应窗口]（快捷键F）调整图片大小。 3. 显示/隐藏目标 点击工具栏[显示/隐藏]按钮（快捷键V），显示或隐藏当前已标注目标。 也可以在右侧标注栏中，通过勾选框显示/隐藏单个目标。 4. 背景清晰度调整（仅半自动标注时） 半自动标注时，会调暗背景，凸显mask。 通过工具栏[mask alpha]数值条，调整背景与mask混合比例。 ``` ## 4.数据转换 本软件用json文件保存标注结果。 使用时，可以手动解析json文件，或转换为其他数据格式。 ```text 软件内置了转换工具 1. ISAT转VOC 转换ISAT格式json为png单通道图片。语义分割中，像素值为类别index；实例分割中，像素值为实例id（软件中的group id）。 2. ISAT转COCO 转换ISAT格式json为COCO格式json。（转换后，会丢失图层信息，如最终使用coco格式，标注时尽可能避免目标重叠） 3. ISAT转LABELME 转换ISAT格式json为labelme格式json。（转换后，会丢失图层信息） 4. COCO转ISAT 转换COCO格式json为ISAT格式json。 ``` # Star History **请给该项目一个star，您的点赞就是对我最大的支持与鼓励** [](https://star-history.com/#yatengLG/ISAT_with_segment_anything&Date) # 核心贡献者 <table border="0"> <tr