Metadata-Version: 2.1
Name: EISeg
Version: 0.2.0.1
Summary: 交互式标注软件
Home-page: https://github.com/PaddlePaddle/PaddleSeg
Author: PaddleSeg & PaddleCV-SIG
Author-email: linhandev@qq.com
License: Apache Software License
Description: [![Python 3.6](https://img.shields.io/badge/python-3.6+-blue.svg)](https://www.python.org/downloads/release/python-360/) [![License](https://img.shields.io/badge/license-Apache%202-blue.svg)](LICENSE)
        <!-- [![GitHub release](https://img.shields.io/github/release/Naereen/StrapDown.js.svg)](https://github.com/PaddleCV-SIG/iseg/releases) -->
        
        # EISeg
        
        EISeg(Efficient Interactive Segmentation)是基于飞桨开发的一个高效智能的交互式分割标注软件。它使用了RITM(Reviving Iterative Training with Mask Guidance for Interactive Segmentation)算法，涵盖了高精度和轻量级等不同方向的高质量交互式分割模型，方便开发者快速实现语义及实例标签的标注，降低标注成本。 另外，将EISeg获取到的标注应用到PaddleSeg提供的其他分割模型进行训练，便可得到定制化场景的高精度模型，打通分割任务从数据标注到模型训练及预测的全流程。
        
        
        
        ## 演示
        
        ![eiseg-demo](../../docs/images/eiseg_demo.gif)
        
        
        
        ## <span id = "jump">模型准备</span>
        
        在使用EIseg前，请先下载模型参数。EISeg开放了在COCO+LVIS和大规模人像数据上训练的四个标注模型，满足通用场景和人像场景的标注需求。其中模型结构对应EISeg交互工具中的网络选择模块，用户需要根据自己的场景需求选择不同的网络结构和加载参数。
        
        | 模型类型 | 适用场景 | 模型结构 | 下载地址|
        | --- | --- | --- | ---|
        | 高精度模型  | 适用于通用场景的图像标注。 |HRNet18_OCR64 | [hrnet18_ocr64_cocolvis](https://bj.bcebos.com/paddleseg/dygraph/interactive_segmentation/ritm/hrnet18_ocr64_cocolvis.pdparams) |
        | 轻量化模型  | 适用于通用场景的图像标注。 |HRNet18s_OCR48 | [hrnet18s_ocr48_cocolvis](https://bj.bcebos.com/paddleseg/dygraph/interactive_segmentation/ritm/hrnet18s_ocr48_cocolvis.pdparams) |
        | 高精度模型  | 适用于人像标注场景。 |HRNet18_OCR64 | [hrnet18_ocr64_human](https://bj.bcebos.com/paddleseg/dygraph/interactive_segmentation/ritm/hrnet18_ocr64_human.pdparams) |
        | 轻量化模型  | 适用于人像标注场景。 |HRNet18s_OCR48 | [hrnet18s_ocr48_human](https://bj.bcebos.com/paddleseg/dygraph/interactive_segmentation/ritm/hrnet18s_ocr48_human.pdparams) |
        
        
        
        ## 安装
        
        EISeg提供多种安装方式，其中使用[pip](#PIP)，[conda](#Conda)和[运行代码](#运行代码)方式可兼容Windows，Mac OS和Linux。为了避免环境冲突，推荐在conda创建的虚拟环境中安装。
        
        版本要求:
        
        * PaddlePaddle >= 2.1.0
        
        PaddlePaddle安装请参考[官网](https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html)。
        
        ### PIP
        
        pip安装方式如下：
        
        ```shell
        pip install eiseg
        ```
        pip会自动安装依赖。安装完成后命令行输入：
        ```shell
        eiseg
        ```
        即可运行软件。
        
        ### Conda
        首先安装Anaconda或Miniconda，过程参考[清华镜像教程](https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/)。
        
        ```shell
        conda create -n eiseg python=3.8
        conda activate eiseg
        conda install qtpy
        pip install eiseg
        eiseg
        ```
        
        ### Windows exe
        
        EISeg使用[QPT](https://github.com/GT-ZhangAcer/QPT)进行打包。可以从[百度网盘](https://pan.baidu.com/s/1aGxWDHSzYRNPfpgA6ib7mw)（提取码：82z9）下载最新EISeg。解压后双击启动程序.exe即可运行程序。程序第一次运行会初始化安装所需要的包，请稍等片刻。
        
        ### 运行代码
        
        首先clone本项目到本地。
        ```shell
        git clone https://github.com/PaddlePaddle/PaddleSeg
        cd PaddleSeg/contrib/EISeg
        pip install -r requirements.txt
        python -m eiseg
        ```
        即可开始执行。
        
        
        
        ## 界面
        
        ![eiseg-ui](../../docs/images/eiseg_ui.png)
        
        EISeg的界面主要有4个部分组成，分别是菜单&工具栏、状态栏、图像显示区和工作区。
        
        - 菜单栏、工具栏和状态栏为PyQt默认。工具栏可拖动到任意位置，或放置上下两端。相关工具的介绍当鼠标悬停时显示在状态栏中。
        - 工作区采用QDockWidget，也可以进行拖动，放置到任意位置，或固定在左右两端。工作区主要可以进行相关的设置和切换。
        - 图像显示区负责图像的显示和交互。采用QGraphicsView，其中加载QGraphicsScene，图像以Qpixmap的形式加入。在图像加载时会自动根据图像大小计算缩放比例，确保图像完整显示。
        
        
        
        ## 使用
        
        打开软件后，在对项目进行标注前，需要进行如下设置：
        
        1. **模型参数加载**
        
           ​		选择合适的网络，并加载对应的模型参数。在EISeg中，目前网络分为`HRNet18s_OCR48`和`HRNet18_OCR64`，并分别提供了人像和通用两种模型参数，模型参数下载参见[模型准备](#jump)。在正确加载模型参数后，右下角状态栏会给予说明。若网络参数与模型参数不符，将会弹出警告，此时加载失败需重新加载。正确加载的模型参数会记录在`近期模型参数`中，可以方便切换，并且下次打开软件时自动加载退出时的模型参数。
        
        2. **图像加载**
        
           ​		打开图像/图像文件夹。当看到主界面图像正确加载，`数据列表`正确出现图像路径即可。
        
        3. **标签添加/加载**
        
           ​		可以通过`添加标签`新建标签，标签分为4列，分别对应像素值、说明、颜色和删除。新建好的标签可以通过`保存标签列表`保存为txt文件，其他合作者可以通过`加载标签列表`将标签导入。通过加载方式导入的标签，重启软件后会自动加载。
        
        4. **自动保存设置**
        
           ​		在使用中可以将`自动保存`设置上，设定好文件夹（目前只支持英文路径）即可，这样在使用时切换图像会自动将完成标注的图像进行保存。
        
        当设置完成后即可开始进行标注，默认情况下常用的按键/快捷键有：
        
        | 按键/快捷键           | 功能             |
        | --------------------- | ---------------- |
        | **鼠标左键**          | **增加正样本点** |
        | **鼠标右键**          | **增加负样本点** |
        | 鼠标中键              | 平移图像         |
        | Ctrl+鼠标中键（滚轮） | 缩放图像         |
        | S                     | 切换上一张图     |
        | F                     | 切换下一张图     |
        | Space（空格）         | 完成标注         |
        | Ctrl+Z                | 撤销一次点击     |
        | Ctrl+Shift+Z          | 清除全部点击     |
        | Ctrl+Y                | 重做一次点击     |
        | Ctrl+A                | 打开图像         |
        | Shift+A               | 打开文件夹       |
        | Ctrl+M                | 加载模型参数     |
        
        # 开发者
        
        [Yuying Hao](https://github.com/haoyuying), [Yizhou Chen](https://github.com/geoyee), [Lin Han](https://github.com/linhandev/), [GT](https://github.com/GT-ZhangAcer), [Zhiliang Yu](https://github.com/yzl19940819)
        
Platform: UNKNOWN
Classifier: License :: OSI Approved :: Apache Software License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.8
Description-Content-Type: text/markdown
