目标检测--X-anylabeling使用自己的模型自动标注

一、x-anylabeling安装教程

x-anylabeling安装教程——软件安装教程——X-AnyLabeling 安装与自动标注

二、x-anylabeling使用自己的模型标注（YOLOv5 v6.0）

2.1 训练权重.pt转onnx

环境配置
将requiements.txt中export部分的注释恢复

然后pip install -r requirements.txt安装依赖

.pt转.onnx
yolov5 v6.0提供了pt文件转onnx或TorchScipt的代码（export.py）。
在export.py里面设置模型路径和yaml路径。

运行代码，并通过“–include”添加导出类型：

 python export.py  --include torchscript onnx 

测试和验证推理转化的onnx
在val.py中修改后自己的数据.yaml文件, 运行验证代码：

python val.py --weights yolov5s.onnx --dnn 

2.2 设置x-anylabeling配置文件

type: yolov5 name: yolov5s-r20230520 display_name: YOLOv5s Drive model_path: best.onnx #！！！注意修改为自己的onnx文件路径 # input_width: 640 # input_height: 640 stride: 32 nms_threshold: 0.45 confidence_threshold: 0.45 classes:   - close_eyes   - normal   - yawn   - look_around   - phone   - bow_head 

yaml文件中的数据解释见官方文档：https://github.com/CVHub520/X-AnyLabeling/blob/v1.1.0/docs/custom_model.md

将配置文件和onnx放置在一个文件夹下：

2.3 在x-anylabeling中选择自己的模型

选择完模型之后，就可以自动标注自己的数据了~~~

参考文献

Yolov5 export.py实现onnx模型的导出
使用自己训练好的模型YOLOv8进行X-AnyLabeling自动标注