update

LICENSE

@@ -0,0 +1,16 @@
+
+   Copyright 2023 yatengLG
+
+   https://github.com/yatengLG/ISAT_with_segment_anything
+
+   Licensed under the Apache License, Version 2.0 (the "License");
+   you may not use this file except in compliance with the License.
+   You may obtain a copy of the License at
+
+       http://www.apache.org/licenses/LICENSE-2.0
+
+   Unless required by applicable law or agreed to in writing, software
+   distributed under the License is distributed on an "AS IS" BASIS,
+   WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+   See the License for the specific language governing permissions and
+   limitations under the License.

README-CN.md

@@ -12,9 +12,54 @@
 
     segment anything只是协助生成目标掩码，最终标注以多边形呈现，通过拖拽多边形顶点，可快速修改标注区域。
 
+## 安装
+### 1. 源码运行
+```shell
+# 创建虚拟环境
+conda create -n ISAT_with_segment_anything python==3.8
+conda activate ISAT_with_segment_anything
+```
+
+```shell
+# 安装Segment anything
+git clone git@github.com:facebookresearch/segment-anything.git
+cd segment-anything
+pip install -e .
+cd ..
+```
+
+```shell
+# 安装ISAT_with_segment_anything
+git clone https://github.com/yatengLG/ISAT_with_segment_anything.git
+cd ISAT_with_segment_anything
+pip install -r requirements.txt
+```
+
+```text
+# 下载Segment anything预训练模型
+下载任一模型，并将模型存放于ISAT_with_segment_anything/segment_any目录下
+模型链接：
+   https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth
+   https://dl.fbaipublicfiles.com/segment_anything/sam_vit_l_0b3195.pth
+   https://dl.fbaipublicfiles.com/segment_anything/sam_vit_b_01ec64.pth
+h模型最大，效果也最好；
+b模型最小，效果也最差；
+请按照硬件下载合适的模型，h模型在示例样本上的显存需求约8G.
+```
+
+```shell
+# 运行软件
+python main.py
+```
+
+
 ## 标注操作
 
 1. 通过鼠标左键（或右键）提示感兴趣区域（或不感兴趣区域），自动形成目标分割掩码
 2. 可通过多次左右键提示，提升掩码质量
-3. 回车键确认掩码，选择类别，得到多边形标注区域
+3. E键结束标注，选择类别，得到多边形标注区域
 4. 拖拽多边形顶点，精细化调整标注
+
+## 注意事项
+1. 自动分割效果受segment anything模型分割效果限制，如需更为精确的分割效果，可通过手动绘制多边形实现。
+2. 如只需要使用手动绘制多边形标注，推荐使用[ISAT](https://github.com/yatengLG/ISAT)。

README.md

@@ -0,0 +1,63 @@
+# ISAT图像分割标注工具
+
+![examples/demo/标注组合图.png](examples/demo/标注组合图.png)
+
+基于多边形的图像分割标注工具，支持实例分割与语义分割。
+
+## 特点
+主要对语义标注过程中存在标注重复部分进行优化。
+自己标注过分割样本，或者使用coco分割数据集的朋友，肯定遇到过标注多边形之间存在覆盖的问题。
+本项目通过引入多边形图层高低的方式，让上层的多边形覆盖下层多边形，从而保证每一个像素的类别都是单一的，降低数据的干扰。
+
+* 支持对多边形图层进行调整(图层置顶或置底)。
+* 标注文件转png单通道图(支持实例与语义)。
+* 支持滚轮缩放，左键拖动图片。
+* 类别标签导入与导出，方便不同任务之间快速切换。
+## 安装
+### 1. 源码运行
+```shell
+git clone https://github.com/yatengLG/ISAT.git
+cd ISAT
+conda create -n ISAT python==3.8
+conda activate ISAT
+pip install -r requirements.txt
+python main.py
+```
+### 2. 下载打包好的exe
+- 2.1 点击[链接](https://github.com/yatengLG/ISAT/releases/download/v1.0.0/ISAT_windows.zip)下载ISAT_windows.zip
+- 2.2 解压
+- 2.3 双击ISAT/main.exe运行
+
+## 标注结果
+
+### 标注文件与标签图片
+ISAT提供了**json格式标注文件**，可以方便的进行传输与二次修改；同时，软件也提供将标注文件转换为**png单通道标签图片**的功能。
+
+#### 1. json格式标注文件
+主要用于传输、备份以及二次修改。但不方便直接参与模型训练等过程。
+
+存储信息包括：图片名、图片尺寸、图片额外说明、标注目标类别、标注目标实例id、标注目标多边形顶点等。
+
+#### 2. png单通道标签图片
+主要用于模型的训练、测试等过程。
+
+转换后的单通道标签图片具有与原图一致的分辨率，**参与模型训练时，直接读取像素值作为标签即可（图片为单通道图，像素值为单一的值，不是rgb）。**
+
+> 部分软件查看png单通道图片时，存在对颜色边界处进行调整的情况。具体表现为，如  （0， 5， 0）到(0， 255， 0)过渡时，边缘会出现(0， 125， 0)的情况。https://github.com/yatengLG/ISAT/issues/2#issue-1662058434
+
+**最终的标签是图像的像素值，而非颜色值**
+这种情况不会对标签图片造成影响，请放心使用。
+
+
+### 导出png单通道标签图片
+软件内置了，将json标注文件转换为png单通道标签图片的工具。
+
+转换时，区分**语义分割**与**实例分割**：
+- 语义分割
+
+  转换后的语义分割png单通道标签图片中，每个像素值为对应的类别id，具体的类别含义与标注时类别设置相一致，同时在转换目录中也会留存一份classesition.txt，便于查看类别与id对应关系。
+- 实例分割
+
+  转换后的实例分割png单通道标签图片中，每个像素值为对应的组id。
+
+![examples/demo/将标注结果导出为png单通道图.png](examples/demo/将标注结果导出为png单通道图.png)

annotation.py

@@ -0,0 +1,84 @@
+# -*- coding: utf-8 -*-
+# @Author  : LG
+
+import os
+import cv2
+from json import load, dump
+from typing import List
+
+
+class Object:
+    def __init__(self, category:str, group:int, segmentation, area, layer, bbox, iscrowd=0, note=''):
+        self.category = category
+        self.group = group
+        self.segmentation = segmentation
+        self.area = area
+        self.layer = layer
+        self.bbox = bbox
+        self.iscrowd = iscrowd
+        self.note = note
+
+
+class Annotation:
+    def __init__(self, image_path, label_path):
+        img_folder, img_name = os.path.split(image_path)
+        self.description = 'ISAT'
+        self.img_folder = img_folder
+        self.img_name = img_name
+        self.label_path = label_path
+        self.note = ''
+        image = cv2.imread(image_path)
+        self.height, self.width, self.depth = image.shape
+        del image
+
+        self.objects:List[Object,...] = []
+
+    def load_annotation(self):
+        if os.path.exists(self.label_path):
+            with open(self.label_path, 'r') as f:
+                dataset = load(f)
+                info = dataset.get('info', {})
+                objects = dataset.get('objects', [])
+
+                self.img_name = info.get('name', '')
+                self.width = info.get('width', 0)
+                self.height = info.get('height', 0)
+                self.depth = info.get('depth', 0)
+                self.note = info.get('note', '')
+                for obj in objects:
+                    category = obj.get('category', 'unknow')
+                    group = obj.get('group', '')
+                    segmentation = obj.get('segmentation', [])
+                    iscrowd = obj.get('iscrowd', 0)
+                    note = obj.get('note', '')
+                    area = obj.get('area', 0)
+                    layer = obj.get('layer', 1)
+                    bbox = obj.get('bbox', [])
+                    obj = Object(category, group, segmentation, area, layer, bbox, iscrowd, note)
+                    self.objects.append(obj)
+
+    def save_annotation(self):
+        dataset = {}
+        dataset['info'] = {}
+        dataset['info']['description'] = self.description
+        dataset['info']['folder'] = self.img_folder
+        dataset['info']['name'] = self.img_name
+        dataset['info']['width'] = self.width
+        dataset['info']['height'] = self.height
+        dataset['info']['depth'] = self.depth
+        dataset['info']['note'] = self.note
+        dataset['objects'] = []
+        for obj in self.objects:
+            object = {}
+            object['category'] = obj.category
+            object['group'] = obj.group
+            object['segmentation'] = obj.segmentation
+            object['area'] = obj.area
+            object['layer'] = obj.layer
+            object['bbox'] = obj.bbox
+            object['iscrowd'] = obj.iscrowd
+            object['note'] = obj.note
+            dataset['objects'].append(object)
+        with open(self.label_path, 'w') as f:
+            dump(dataset, f, indent=4)
+        return True

configs.py

@@ -0,0 +1,35 @@
+import yaml
+from enum import Enum
+
+
+DEFAULT_CONFIG_FILE = 'default.yaml'
+CONFIG_FILE = 'isat.yaml'
+
+def load_config(file):
+    with open(file, 'rb')as f:
+        cfg = yaml.load(f.read(), Loader=yaml.FullLoader)
+    return cfg
+
+def save_config(cfg, file):
+    s = yaml.dump(cfg)
+    with open(file, 'w') as f:
+        f.write(s)
+    return True
+
+class STATUSMode(Enum):
+    VIEW = 0
+    CREATE = 1
+    EDIT = 2
+
+class DRAWMode(Enum):
+    POLYGON = 0
+    SEGMENTANYTHING = 1
+
+class CLICKMode(Enum):
+    POSITIVE = 0
+    NEGATIVE = 1
+
+class MAPMode(Enum):
+    LABEL = 0
+    SEMANTIC = 1
+    INSTANCE = 2

default.yaml

@@ -0,0 +1,3 @@
+label:
+- color: '#000000'
+  name: __background__