COCO-Annotator安装和使用

1.所需环境

安装COCO-Annotator前需要先安装Docker，有需要可以参考这篇文章：Windows下安装docker

2.安装

  1. 在要安装的目录下进入cmd
  2. 输入命令
git clone https://github.com/jsbroks/coco-annotator
  1. cd命令进入文件夹
cd coco-annotator
  1. 打开docker
  2. 输入命令，等待即可
docker-compose up

下载的比较慢，可以换成国内的镜像（虽然是这么说，但我换了国内的镜像也没快多少），因为我下载的是Windows桌面版的docker，所以在界面中点击Settings->Docker Engine，将右侧代码改为下述代码即可：

{
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false,
  "features": {
    "buildkit": true
  },
  "registry-mirrors": [
    "https://registry.docker-cn.com",
    "http://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn"
  ]
}

在这里插入图片描述

3.使用

下载好之后，会自动启动服务

浏览器输入http://localhost:5000即可

3.1 创建用户

第一次登陆需要注册一个账户

在这里插入图片描述

第一次注册的账户，用户权限自动设为Admin

用户权限：

  • Admin：具有最高权限的用户
  • Owner：特定数据集的创建者
  • User：与Admin或Owner共享数据集的用户

不同用户权限如下：

权限UserOwnerAdmin
浏览图片✔️✔️✔️
创建/编辑/删除标注✔️✔️✔️
导入标注✔️✔️✔️
共享/下载/删除数据集✔️✔️
添加/下载/删除图片✔️✔️
添加图片✔️✔️
编辑其他用户的数据集✔️

Admin->Create User创建新用户

这里我创建了三个用户

在这里插入图片描述

3.2 创建类别

注册完成后，点击Categories->Create

在这里插入图片描述

我这里是创建了一个MS COCO格式17个人体关键点的类别，这里建议最好先把所有的Label写完再填写Connects to

在这里插入图片描述

3.3 创建数据集

create创建数据集

在这里插入图片描述

填写好数据集名称，以及数据集中的分类，创建新的数据集test_1

在这里插入图片描述

点击刚刚创建的数据集test_1，可以看到里面什么都没有

在这里插入图片描述

进入到自己安装coco-annotator的目录，目录下datasets文件夹中就是自己创建的数据集，我这里是D:\software\coco-annotator\datasets\test_1，将图片移动到此目录后发现还是空白。此时点击左边那列的Scan按钮再刷新即可。

在这里插入图片描述

3.4 标注图像

  1. 先点击右边的+
  2. 选择BBox Tool

在这里插入图片描述

  1. 先用BBox框选出人
  2. 点击右侧栏中④处
  3. 点击nose

在这里插入图片描述

  1. 从nose开始标注，直接在图上点即可

标注结果如下

在这里插入图片描述

这里还有个小问题，从图中可以看到右边的人的面部和右耳并没有露出来，对于看图片的人来说是不可见的，这里以鼻子为例，点击这个小齿轮按钮

在这里插入图片描述

将鼻子的可见性改为LABELED_NOT_VISIBLE，再点击close关闭即可

在这里插入图片描述

若对应的点没有出现在图中则无需标注

在这里插入图片描述

3.5 导出标注信息

3.5.1 导出全部图像标注

点击左侧导航栏Export COCO，会弹出如下页面，选择要导出的类别，单击Export进行导出。然后，在上方导航栏中点击Exports，就会出现标注的下载信息，点击Download即可下载。

在这里插入图片描述

在这里插入图片描述

3.5.2 导出单张图像标注

导出单张图像标注只需点击Download Image & COCO即可

在这里插入图片描述

3.6 远程访问

3.6.1 开启远程访问

打开控制面板，进入如下路径，点击高级设置

在这里插入图片描述

点击入站规则->新建规则->端口

在这里插入图片描述

在这里插入图片描述

然后直接下一步到最后，名称确定好，点击完成即可

在这里插入图片描述

3.6.2 进行远程访问

使用ipconfig命令查询一下自己的IP地址，将原本访问地址http://localhost:5000/中的localhost改为自己的IP地址。如果有公网IP，则外网可以访问，如果是局域网IP，则只能在局域网内访问，想要在外网访问还需要进行IP地址映射。

ps. 对用户部分进行补充

登陆当前的admin账户可以看到

在这里插入图片描述

登陆user1则什么都没有

在这里插入图片描述

在admin账户中点击要进行协作的数据集，选择Share

在这里插入图片描述

添加user1并保存

在这里插入图片描述

此时回到user1这里，刷新下就能看到admin账户共享的数据集，可以一起进行标注了

参考资料

  1. coco-annotator的安装与使用
  2. COCO数据集Keypoint标注格式梳理和使用COCO-Annotator在自有数据集上进行标注
  3. Usage·jsbroks/coco-annotator-Wiki
# docker # 运维 # 容器
Logo
向您推荐>>Eolink开发者社区

权威｜前沿｜技术｜干货｜国内首个API全生命周期开发者社区

更多推荐

深入理解 Mocha 测试框架：从零实现一个 Mocha

前言什么是自动化测试自动化测试在很多团队中都是Devops环节中很难执行起来的一个环节，主要原因在于测试代码的编写工作很难抽象，99%的场景都需要和业务强绑定，而且写测试代码的编写工作量往往比编写实际业务代码的工作量更多。在一些很多业务场景中投入产出比很低，适合写自动化测试的应该是那些中长期业务以及一些诸如组件一样的基础库。自动化测试是个比较大的概念，其中分类也比较多，比如单元测试，端对端测试，集

avatar 云原生

ELK实现containerd的容器日志采集展示【基于logging的全栈监测】

企业级ELK Stack构建介绍

avatar 云原生

(20200916 Solved)docker-compose up创建容器自动退出

问题描述如题，创建容器后自动退出了。并且docker start container无效解决方案原因是缺失了控制终端的配置，需要在docker-compose.yml中增加tty:true ，有时候这样也不行，需要再增加一个command:/bin/bash，命令不一定是这个，需要是一个不会退出的命令，然后用-d后台启动容器。Referencesdocker-compose启动容器后自动退出...

avatar 云原生