常用标注

//MARK: - 常用标注

冒号后面添加注视说明;“-”添加横线

//FIXME: 表示此处有bug 或者需要优化的地方

//TODO: 一般用于要做事情的地方做一个标记

#warning 使用

swift 中没法使用#Warning来提示警告, 可以通过给TODO: FIXME:加上警告, 实现类似的效果.

Build Phases ---> Run Script ---> add a new Build Phases ---> new run script phase

TAGS="TODO:|FIXME:"
echo "searching ${SRCROOT} for ${TAGS}"
find "${SRCROOT}" \( -name "*.swift" \) -print0 | xargs -0 egrep --with-filename --line-number --only-matching "($TAGS).*\$" | perl -p -e "s/($TAGS)/ warning: \$1/"

 

转载于:https://my.oschina.net/ichinadev/blog/900095

### 常用的目标检测标注工具 在目标检测领域,除了提到的 LabelImg 工具外,还有其他一些广泛使用的标注工具。以下是几种常见的目标检测标注工具及其特点: #### 1. **LabelImg** - 功能描述:LabelImg 是一款基于 Python 和 Qt 的图形化图像标注工具,主要用于矩形框(Bounding Box)标注[^1]。 - 特点:操作简便,支持 Pascal VOC 和 YOLO 数据格式导出。 #### 2. **VOCDevKit/Annotations** - 功能描述:这是 Pascal VOC 数据集中自带的一种 XML 文件生成方式,用于存储标注信息。 - 特点:虽然不是独立工具,但其结构被许多工具模仿和支持,适合熟悉 Pascal VOC 标准的研究者。 #### 3. **CVAT (Computer Vision Annotation Tool)** - 功能描述:CVAT 是一个功能强大的在线协作标注平台,支持多种标注类型,包括矩形框、多边形、关键点等。 - 特点:提供团队协作能力,适用于大规模数据集标注;支持云端部署和本地运行[^2]。 #### 4. **LabelMe** - 功能描述:LabelMe 是由 MIT 开发的一款交互式图像标注工具,主要通过绘制多边形来定义对象边界。 - 特点:灵活性高,尤其适合复杂形状的对象标注;支持自动生成 JSON 或 XML 文件[^3]。 #### 5. **Supervisely** - 功能描述:Supervisely 提供了一个完整的端到端解决方案,不仅支持标注还提供了模型训练的功能。 - 特点:界面友好,支持多种标注模式(如矩形框、多边形、像素级分割),并能自动优化标注效率[^4]。 #### 6. **MakeSense.ai** - 功能描述:这是一个免费的在线工具,允许用户上传图片并通过拖拽的方式快速完成 Bounding Box 标注。 - 特点:无需安装任何软件即可使用,非常适合初学者或小型项目[^5]。 #### 7. **RectLabel** - 功能描述:专为 macOS 用户设计的一体化标注工具,能够轻松创建高质量的数据集。 - 特点:集成 AppleScript 支持自动化流程,兼容 COCO 和 TensorFlow 数据格式[^6]。 --- ```python import xml.etree.ElementTree as ET def parse_voc_xml(xml_file_path): tree = ET.parse(xml_file_path) root = tree.getroot() annotations = [] for obj in root.findall('object'): name = obj.find('name').text bbox = obj.find('bndbox') xmin = int(bbox.find('xmin').text) ymin = int(bbox.find('ymin').text) xmax = int(bbox.find('xmax').text) ymax = int(bbox.find('ymax').text) annotation = { 'class': name, 'bbox': [xmin, ymin, xmax, ymax] } annotations.append(annotation) return annotations ``` 上述代码展示了如何解析 Pascal VOC 格式的 XML 文件,提取其中的目标类别和边界框坐标。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值