# PaddleLabel-ML **Repository Path**: polarbird/PaddleLabel-ML ## Basic Information - **Project Name**: PaddleLabel-ML - **Description**: https://github.com/PaddleCV-SIG/PaddleLabel-ML.git - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: v1.0.0 - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2024-09-20 - **Last Updated**: 2024-09-20 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # PaddleLabel-ML [PaddleLabel](https://github.com/PaddleCV-SIG/PaddleLabel)机器学习辅助标注后端。 PaddleLabel-ML 中的模型分为两类:自动推理模型和交互式模型。所有模型在分发时都包含一套默认权重,部分模型支持指定非默认权重。目前模型包括 交互式模型: - [EISeg](https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.6/EISeg) 自动推理模型: - PicoDet - PPLcNet ## 安装说明 ### 通过 PIP 安装 ```shell pip install paddlelabel-ml ``` ### 安装最新开发版 PaddleLabel 开发团队会不定期从最新的 develop 分支中使用 Github Action 构建开发版安装包。开发版较 pypi 版本经过测试较少,可能存在更多的 bug。开发版中会包含最新的功能和修复。 安装开发版的步骤为 1. 访问 PaddleLabel-ML 构建 Github Action [页面](https://github.com/PaddleCV-SIG/PaddleLabel-ML/actions/workflows/pypi.yml),点击进入最上方(最新的一次)Action 运行。 ![img](https://user-images.githubusercontent.com/29757093/206052923-d15bb06f-5ffb-4e3f-8946-f28f0d1dbaf7.png) 2. 点击下载构建出的安装包 ![img](https://user-images.githubusercontent.com/29757093/206053029-21d09105-a80e-45c0-9d26-0ad622e51188.png) 3. 解压下载的安装包,其中应包含两个文件。之后使用 pip 安装其中 whl 结尾的文件,如 paddlelabel_ml-0.5.0-py3-none-any.whl。不同版本的版本号会有不同 ```shell # 注意修改命令中文件名部分 pip install paddlelabel_ml-[版本号]-py3-none-any.whl ``` ### 通过源码安装 首先将代码克隆到本地: ```shell git clone https://github.com/PaddleCV-SIG/PaddleLabel-ML ``` 安装: ```shell cd PaddleLabel-ML python setup.py install ``` ## 启动 完成上述的安装操作后,可以直接在终端使用如下指令启动 PaddleLabel 的机器学习端。 ```shell paddlelabel_ml # 启动ml后端 ``` ## \*EISeg模型下载 | 模型类型 | 适用场景 | 模型结构 | 模型下载地址 | | ------------ | -------------------- | ------------------- | ---------------------------------------------------------------------------------------------------------------------------------- | | 高精度模型 | 通用场景的图像标注 | HRNet18_OCR64 | [static_hrnet18_ocr64_cocolvis](https://paddleseg.bj.bcebos.com/eiseg/0.4/static_hrnet18_ocr64_cocolvis.zip) | | 轻量化模型 | 通用场景的图像标注 | HRNet18s_OCR48 | [static_hrnet18s_ocr48_cocolvis](https://paddleseg.bj.bcebos.com/eiseg/0.4/static_hrnet18s_ocr48_cocolvis.zip) | | 高精度模型 | 通用图像标注场景 | EdgeFlow | [static_edgeflow_cocolvis](https://paddleseg.bj.bcebos.com/eiseg/0.4/static_edgeflow_cocolvis.zip) | | 高精度模型 | 人像标注场景 | HRNet18_OCR64 | [static_hrnet18_ocr64_human](https://paddleseg.bj.bcebos.com/eiseg/0.4/static_hrnet18_ocr64_human.zip) | | 轻量化模型 | 人像标注场景 | HRNet18s_OCR48 | [static_hrnet18s_ocr48_human](https://paddleseg.bj.bcebos.com/eiseg/0.4/static_hrnet18s_ocr48_human.zip) | | 轻量化模型 | 遥感建筑物标注场景 | HRNet18s_OCR48 | [static_hrnet18_ocr48_rsbuilding_instance](https://paddleseg.bj.bcebos.com/eiseg/0.4/static_hrnet18_ocr48_rsbuilding_instance.zip) | | 高精度模型\* | x 光胸腔标注场景 | Resnet50_Deeplabv3+ | [static_resnet50_deeplab_chest_xray](https://paddleseg.bj.bcebos.com/eiseg/0.5/static_resnet50_deeplab_chest_xray.zip) | | 轻量化模型 | 医疗肝脏标注场景 | HRNet18s_OCR48 | [static_hrnet18s_ocr48_lits](https://paddleseg.bj.bcebos.com/eiseg/0.4/static_hrnet18s_ocr48_lits.zip) | | 轻量化模型\* | MRI 椎骨图像标注场景 | HRNet18s_OCR48 | [static_hrnet18s_ocr48_MRSpineSeg](https://paddleseg.bj.bcebos.com/eiseg/0.5/static_hrnet18s_ocr48_MRSpineSeg.zip) | | 轻量化模型\* | 质检铝板瑕疵标注场景 | HRNet18s_OCR48 | [static_hrnet18s_ocr48_aluminium](https://paddleseg.bj.bcebos.com/eiseg/0.5/static_hrnet18s_ocr48_aluminium.zip) |