auto labeler

ผู้ติดฉลากรถยนต์

Auto Labeler เป็นเครื่องมือคำอธิบายประกอบภาพอัตโนมัติที่ใช้ประโยชน์จากพลังของ GPT-4 Vision API ของ OpenAI เพื่อตรวจจับวัตถุในภาพและให้คำอธิบายประกอบกล่อง

คุณสมบัติ

• การตรวจจับวัตถุ: ระบุวัตถุในภาพโดยอัตโนมัติ
• คำอธิบายประกอบกล่องขอบเขต: สร้างกล่องขอบเขตรอบ ๆ วัตถุที่ตรวจพบ
• หลายรูปแบบ: รองรับการบันทึกคำอธิบายประกอบในการตรวจจับวัตถุ Tensorflow และรูปแบบ JSON
• ฉลากที่กำหนดเอง: อนุญาตให้ระบุป้ายกำกับวัตถุที่กำหนดเองสำหรับการตรวจจับ

เริ่มต้น

ข้อกำหนดเบื้องต้น

• Python 3.6 หรือสูงกว่า

การติดตั้ง

โคลนที่เก็บไปยังเครื่องในพื้นที่ของคุณ:

git clone https://github.com/Flode-Labs/auto-labeler.git

การใช้งาน

1. ติดตั้งแพ็คเกจที่ต้องการ:

 pip install -r requirements.txt

2. ตั้งค่าคีย์ OpenAI API ของคุณ:

 api_key = "YOUR_API_KEY"

3. ระบุเส้นทางของโฟลเดอร์ด้วยรูปภาพที่คุณต้องการติดฉลาก:

 input_folder = '/path/to/input/folder'

4. ระบุเส้นทางของโฟลเดอร์ที่คุณต้องการบันทึกป้ายกำกับ:

 output_folder = '/path/to/output/folder'

5. ระบุรูปแบบที่คุณต้องการบันทึกป้ายกำกับ:

 output_format = 'json' # or 'tf'

6. กำหนดรายการป้ายกำกับที่คุณต้องการตรวจจับ:

 labels = [ 'cat' , 'dog' , 'bird' ]

7. เรียกใช้สคริปต์หลัก:

python main.py

ฟังก์ชั่น

• encode_image(image_path) : เข้ารหัสรูปภาพเป็นรูปแบบ BASE64
• detect_objects(image_path, labels) : ตรวจจับวัตถุในภาพตามที่ระบุโดยป้ายกำกับ
• save_tf_annotations(...) : บันทึกคำอธิบายประกอบในรูปแบบการตรวจจับวัตถุ TensorFlow XML
• save_json_annotations(...) : บันทึกคำอธิบายประกอบในรูปแบบ JSON
• process_images_in_folder(...) : ประมวลผลหลายภาพในโฟลเดอร์ที่ระบุ

กิตติกรรมประกาศ

• OpenAI สำหรับการจัดหา GPT-4 Vision API
• ชุมชน Python สำหรับการบำรุงรักษาและปรับปรุงห้องสมุดที่ใช้ในโครงการนี้

---

ตรวจสอบให้แน่ใจว่าคุณเปลี่ยน YOUR_API_KEY ด้วยคีย์ OpenAI API จริงของคุณ