語義分割標註工具Semantic Segmentation Editor 快速安裝指南

2021-01-14 AI算法修煉營

精選作品,第一時間送達

簡介:


Semantic-Segmentation-Editor是由日立汽車工業實驗室(Hitachi Automotive And Industry Lab)開源的基於Web的語義對象標註編輯器(Semantic Segmentation Editor),該工具專門用於創建機器學習語義分割的訓練數據,為自動駕駛研究開發的,但也可以用於標註其他類型的語義目標資料庫。它不僅支持普通相機拍攝的2D圖像(.jpg和.png文件)還支持LIDAR生成的3D點雲(.pcd文件)中目標的標註。它是使用React, Paper.js和three.js開發的Meteor應用程式。


申明:點雲語義標註工具Semantic-Segmentation-Editor 官方網址——>(https://github.com/Hitachi-Automotive-And-Industry-Lab/semantic-segmentation-editor),經過幾天的折騰終於在win10系統和Ubuntu1604系統環境下安裝調試成功,最大問題在於使用官方提供的安裝命令在下載所需要的安裝包的時候下載很慢,無奈只能找其他快速方法,現在將我自己的安裝過程記錄如下,希望能夠幫到同樣也需要的人,大家一起相互交流學習。如果在安裝過程中仍然不能夠順利下載所需的安裝包,可以在公眾號後臺回復【分割標註】獲取下載連結,進行下載。


Win10環境下Semantic-Segmentation-Editor安裝過程


1、安裝nodejs


從下面網址點擊紅色框下載nodejs 如下圖所示 

https://nodejs.org/en/download/



下載結束之後雙擊安裝包按照提示一步一步進行安裝。



使用下面命令在cmd窗口進行Chocolatey(https://chocolatey.org/docs/installation)安裝 (注意:這裡使用管理員打開cmd命令窗口)

@"%SystemRoot%\System32\WindowsPowerShell\v1.0\powershell.exe" -NoProfile -InputFormat None -ExecutionPolicy Bypass -Command " [System.Net.ServicePointManager]::SecurityProtocol = 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://chocolatey.org/install.ps1'))" && SET "PATH=%PATH%;%ALLUSERSPROFILE%\chocolatey\bin"


3、使用瀏覽器或者迅雷打開下面網址下載meteor安裝包


https://packages.meteor.com/bootstrap-link?arch=os.windows.x86_64


4、下載好之後需要把步驟2的安裝包放入以下路徑中(your_user_name需要替換成你自己用戶名)

C:\Users\your_user_name\AppData\Local\Temp\chocolatey\meteor\0.0.2



靜靜的等待安裝即可,出現如下提示,說明安裝完成。

***************************************Meteor has been installed!To get started fast:  $ meteor create ~/my_cool_app  $ cd ~/my_cool_app  $ meteorOr see the docs at:  https://docs.meteor.com***************************************


6、下載所需要的版本並進行解壓縮(https://github.com/Hitachi-Automotive-And-Industry-Lab/semantic-segmentation-editor/releases



7、在cmd命令窗口執行 以下命令進行應用啟動


cd semantic-segmentation-editor-x.x.xmeteor npm installmeteor npm start


出現下面提示說明啟動成功



 8、你需要把所要標註的 圖片或者.pcd點雲文件放在下面的目錄下


9、在瀏覽器打開下面網址就可以開始使用了


10、瀏覽器打開網址之後可以選擇一個文件進行雙擊即可開始標註了,如下圖所示



Ubuntu1604的Semantic-Segmentation-Editor官方安裝過程


1、使用下面命令進行安裝meteor(連結:https://github.com/Hitachi-Automotive-And-Industry-Lab/semantic-segmentation-editor

curl https://install.meteor.com/ | sh


2、下載所需要的版本並進行解壓縮(連結:https://github.com/Hitachi-Automotive-And-Industry-Lab/semantic-segmentation-editor/releases)




3、在終端使用以下命令進行應用啟動(當然你也可以選擇自己的版本)

cd semantic-segmentation-editor-1.5.0meteor npm installmeteor npm start


4、在瀏覽器打開下面網址就可以開始使用了

5、打開之後,會出現示例圖片以及示例點雲文件,雙擊打開一個文件即可,打開的點雲文件如下圖所示




Ubuntu1604的非官方Semantic-Segmentation-Editor安裝過程


說明:由於使用官方安裝過程在下載相關安裝包的時候網速很慢,導致總是超時或者失敗,所以尋找快速安裝過程。


1、手動下載需要的安裝包,直接點擊下面連結使用瀏覽器下載,正常的話會很快:


https://static-meteor.netdna-ssl.com/packages-bootstrap/1.10.2/meteor-bootstrap-os.linux.x86_64.tar.gz


2、獲取官方安裝腳本

curl https://install.meteor.com > install.meteor.sh


3、使用下面打開上一步獲取到的腳本文件

sudo gedit install.meteor.sh


4、在腳本中使用查找命令找到『TARBALL_URL』關鍵字,找到如下圖所示的連結



5、講上一步找到的連結改成在第一部中下載好的安裝包的本地連接,保存並退出

TARBALL_URL="file:///home/hqss/Downloads/meteor-bootstrap-os.linux.x86_64.tar.gz"


6、運行腳本進行安裝


7、安裝好之後會出現下面的提示

Meteor 1.10.2 has been installed in your home directory (~/.meteor).Writing a launcher script to /usr/local/bin/meteor for your convenience.This may prompt for your password.[sudo] password for hqss:  To get started fast:   $ meteor create ~/my_cool_app  $ cd ~/my_cool_app  $ meteor Or see the docs at:   docs.meteor.com Deploy and host your app with Galaxy:   www.meteor.com/hosting


8、然後在進行步驟二中的第2、3、4、5步驟進行安裝運行。至此Ubuntu下的Semantic-Segmentation-Editor(語義分割標註軟體安裝完成) 



附錄:

[1]圖片語義分割標註使用方法視頻方法教程 https://vimeo.com/282003466[2]點雲語義分割標註使用方法視頻方法教程https://vimeo.com/282222626[3]Semantic Segmentation Editor https://github.com/Hitachi-Automotive-And-Industry-Lab/semantic-segmentation-editor[4]點雲語義分割標註工具-semantic-segmentation-editor  https://blog.csdn.net/qq_43049432/article/details/99314008[5]meteor下載太慢!3步教你搞定meteor下載和安裝。https://blog.csdn.net/zhujuyu/article/details/79217960



掃描上方微信號,進入學習群。

目標檢測、圖像分割、自動駕駛、機器人、面試經驗。

福利滿滿,名額已不多…

相關焦點

  • 2019 語義分割指南
    這種分割在計算對象數量的應用程式中非常有用,例如計算商城的行人流量。它的一些主要應用是在自動駕駛、人機互動、機器人和照片編輯/創意工具中。例如,語義分割在汽車自動駕駛和機器人技術中是至關重要的,因為對於一個模型來說,了解其所處環境中的語義信息是非常重要的。
  • 語義分割概念及應用介紹
    識別每個像素或分組像素一起分配類別的過程可以通過以下過程:圖像分類(image classification)——識別圖像中存在的內容;物體識別和檢測(object recognition and detection)——識別圖像中存在的內容和位置(通過邊界框);語義分割(semantic segmentation) ——識別圖像中存在的內容以及位置
  • MMSegmentation來了!標準統一的語義分割框架
    在近幾年的會議中,語義分割的論文層出不窮,但是市面上一直缺乏一款能夠相對公平比較各種方法的框架。為了方便研究員和工程師們,我們開源了一套基於 PyTorch 實現的標準統一的語義分割框架:MMSegmentation。
  • 9102年了,語義分割的入坑指南和最新進展都是什麼樣的
    在這篇文章中,作者介紹了近來優秀的語義分割思想與解決方案,它可以稱得上是 2019 語義分割指南了。我們可以認為語義分割是像素級別的圖像分類。例如,在一幅有很多輛車的圖像中,分割模型將會把所有的物體(車)標記為車輛。但是,另一種被稱為實例分割的模型能夠將出現在圖像中的獨立物體標記為獨立的實例。這種分割在被用在統計物體數量的應用中是很有用的(例如,統計商城中的客流量)。
  • 谷歌開源語義圖像分割模型:該領域當前最優模型
    GitHub 地址:https://github.com/tensorflow/models/tree/master/research/deeplab語義圖像分割任務是指將語義標籤(例如「道路」、「天空」、「人」、「狗」)分配給圖像中的每一個像素,這種技術有很多新應用,例如,Pixel 2 和 Pixel 2 XL 智慧型手機中肖像模式的合成淺景深效應,以及行動裝置的實時語義分割等
  • MMSegmentation:標準統一的語義分割框架
    語義分割作為計算機視覺中一項基礎任務,同時在自動駕駛/視頻編輯等領域中有重要的應用,因此一直受到學術界和工業界的廣泛關注。在近幾年的會議中,語義分割的論文層出不窮,但是市面上一直缺乏一款能夠相對公平比較各種方法的框架。為了方便研究員和工程師們,OpenMMLab開源了一套基於 PyTorch 實現的標準統一的語義分割框架:MMSegmentation。
  • 圖像分割系列<->語義分割
    精選文章,第一時間送達 上期講到圖像分割(Image segmentation)根據某些規則把圖片中的像素分為不同的部分(加不同的標籤),它可分為:超像素、語義分割、實例分割、全景分割, 各有聯繫,又有區別。
  • 語義分割領域開山之作:Google提出用神經網絡搜索實現語義分割
    Introduction在 arxiv 瀏覽論文的時候,單獨看文章名不知道屬於 CV 哪個領域,懷著對一作 Liang-Chieh 敬畏的心,在摘要中掃描到 PASCAL VOC 2012 (semantic image segmentation),瀏覽全文才明白,Google 又發大招。
  • 從全卷積網絡到大型卷積核:深度學習的語義分割全指南
    By路雪 2017年7月14日  語義分割一直是計算機視覺中十分重要的領域,隨著深度學習的流行,語義分割任務也得到了大量的進步。本文首先闡釋何為語義分割,然後再從論文出發概述多種解決方案。本文由淺層模型到深度模型,簡要介紹了語義分割各種技術,雖然本文並沒有深入講解語義分割的具體實現,但本文簡要地概述了每一篇重要論文的精要和亮點,希望能給讀者一些指南。
  • 如何用PyTorch進行語義分割?一個教程教會你
    正值PyTorch 1.7更新,那麼我們這次便給大家帶來一個PyTorch簡單實用的教程資源:用PyTorch進行語義分割。△圖源:stanford該教程是基於2020年ECCV Vipriors Chalange Start Code實現了語義分割,並且添加了一些技巧。
  • 圖像語義分割之特徵整合和結構預測
    餘昌黔華中科技大學碩士研究方向為圖像語義分割知乎專欄https://zhuanlan.zhihu.com/semantic-segmentation前言近來閱讀了 PASCAL VOC 2012 排行榜上前幾的文章,包括 PSPNet 和林國省老師的幾篇論文,覺得現在在 semantic segmentation 領域對於 Multi-scale Features
  • CVPR 2018:新型語義分割模型:動態結構化語義傳播網絡DSSPN
    近日,來自 CMU、Petuum 等機構的研究者提出一種新型語義分割模型動態結構化語義傳播網絡 DSSPN,通過將語義概念層次明確地結合到網絡中來構建語義神經元圖。實驗證明 DSSPN 優於當前最優的分割模型。
  • 全方位解讀全景分割技術, 曠視冠軍團隊最新分享
    全景分割算法 OANet 第一作者,研究方向包括全景分割、語義分割等。前言在計算機視覺中,圖像語義分割(Semantic Segmentation)的任務是預測每個像素點的語義類別;實例分割(Instance Segmentation)的任務是預測每個實例物體包含的像素區域。
  • 全方位解讀全景分割技術,曠視冠軍團隊最新分享
    雷鋒網 AI 科技評論按,本文作者劉環宇,系浙江大學控制科學與工程自動化系碩士,曠視科技研究院算法研究員,全景分割算法 OANet 第一作者,研究方向包括全景分割、語義分割等。同時,他也是 2018 COCO + Mapillary 全景分割比賽曠視 Detection 組冠軍團隊成員。本文原載於知乎,雷鋒網獲授權轉載。
  • 2020入坑圖像分割,我該從哪兒入手?
    初識圖像分割顧名思義,圖像分割就是指將圖像分割成多個部分。在這個過程中,圖像的每個像素點都和目標的種類相關聯。圖像分割方法主要可分為兩種類型:語義分割和實例分割。語義分割會使用相同的類標籤標註同一類目標(下圖左),而在實例分割中,相似的目標也會使用不同標籤進行標註(下圖右)。
  • SLAM的動態地圖和語義問題
    景物動態部分不一定是object,或者不一定能得到object,所以不一定是語義的。語義地圖不一定就是動態的,所以語義地圖和動態地圖是有重疊的,不過最近深度學習的發展比如語義分割,目標檢測和跟蹤等等的確使二者漸漸走在了一起。在人的眼中,一切都是語義的存在,儘管對某些部分認識不夠。這裡我還是把SLAM動態地圖和語義SLAM分開,主要是文章太多。
  • 重新發現語義分割,一文簡述全卷積網絡
    本文利用筆記本電腦構建了一個小型全卷積網絡,詳細介紹了全卷積網絡的思路、過程等等,值得一看語義分割是一種學習如何識別圖像中對象範圍的機器學習技術。語義分割賦予機器學習系統與人類相似的理解圖像內容的能力。它促使機器學習算法定位對象的精準邊界,無論是街景圖像中的汽車和行人,還是醫療圖像中的心臟、肝臟和腎臟。
  • 南加州大學 phd 王薇月:深度學習在點雲分割中的應用 | 分享總結
    所謂點雲的分割,今天我想介紹的有兩層,一層是語義分割和實例分割,所謂語義分割就是給每個點 assign 一個 label,比如說這個點是桌子還是椅子。實例分割就是在 assign 語義分割的同時,把每個不同的物體給分割出來,比如一個房間裡有很多椅子,每個點標 label 成椅子 1、椅子 2。實例分割與物體檢測,即 object detection 是緊密相連的,object detection:給一個場景,把你想要的物體檢測出來並給一個 bounding box。實例分割是比物體檢測要稍微難一點的問題,因為它需要給每個點都要標出來。