写在前面的话

众所周知，标注分割掩膜的软件一般使用labelme，但是一个一个点太麻烦了，工作量太大，，之前，我的思路就是先标少量的数据然后训练个初始模型，再用初始模型对剩下的图像预测掩膜，然后再转到labelme修改使用。

ppt的抠图和ps的抠图也可以实现类似的功能，但是没有eiseg软件集成且方便。

飞桨推出EIseg确实不错，把我的思路集成到一起了，感谢这些开源的项目，确实提高生产力，希望国产的深度学习框架可以越来越好。👌👌👌

1.利用anaconda创建虚拟环境

conda create -n eiseg python=3.8
conda activate eiseg

2.下载工程和模型

git clone https://github.com/PaddlePaddle/PaddleSeg.git
cd PaddleSeg
pip install -r requirements.txt

如果 git clone 失败，可以直接去 GitHub 上下载工程。顺便下载需要的权重模型static_hrnet18s_ocr48_cocolvis

csdn下载链接：PaddleSeg-and-static-hrnet18s-ocr48-cocolvis.zip

3.安装 paddle 和 eiseg

paddle官方安装教程
eiseg官方安装教程

python -m pip install paddlepaddle==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install eiseg
eiseg #启动软件

4.加载预训练模型（方便标注）

5.导入图像、设置标注文件保存路径、自动保存、快捷键切换图像（F\S）

注意：在labelme里面快捷键切换图像是A\D
建议新建一个文件夹进行保存标签，否则可能会覆盖原图

5.1 界面的按键说明（分割标注）

在开始标注前，先在软件界面右边添加标签，颜色可以自定义

只有2-3个黄点（点击鼠标左键）就能把大概的轮廓勾勒出来，对于错误和多余的部分使用红点进行排除（点击鼠标右键）

具体的按键我已经在图中做了说明，自行查阅即可。

5.2 标签保存结果

5.3 取消【标签和图像使用相同扩展名】

5.3 用 labeme 可视化的结果（真不错啊）