基于SAM交互式半自动多边形框选的手动 标注
多种标注方式，满足不同场景需求。半自动标注更快捷，手动标注更精准。
支持多种数据格式LABELMEVOC MSCOCO
采用自定义的json文件存储标注结果。同时，支持转换为其他通用格式。
多平台代码开源GITHUBGITEE
代码开源，欢迎提出建议。同时也欢迎在GITHUB上提交PR，为本项目贡献代码
更多功能:多种模型切换实时结果预览轮廓保存模式目标遮挡调整图片快速跳转状态信息展示配置导入导出
更多功能，详见GITHUB或GITEE项目页面。
基于SAM的交互式半自动标注
基于meta开源的segment anything，实现图像分割的半自动标注。
支持同时标注语义分割与实例分割。
Segment anything
在拥有11亿mask的数据集上进行训练，可实现零样本任意物体分割。
提示（PROMPT）
通过鼠标左（右）键，点击图片中感兴趣（不感兴趣）区域，提示模型以获取最佳分割结果。
基于多边形框选的手动标注
手动绘制多边形，进行图片分割标注。
点击标注
通过点击添加多边形顶点。
标注更加精确，适用于拉取直线或进行粗略标注。
拖动标注
按下左键并拖动进行标注。
线条更加平衡，适用于曲线勾勒。
多种轮廓保存模式
采用多种方式，将SAM分割的mask转为polygon。
只保存最大轮廓
该模式适用于SAM分割结果存在噪声的情况，可大大减少半自动标注后的修改工作。
只保存外轮廓
该模式适用于需保存多个polygon，但需要忽略内轮廓的情况。
保存所有轮廓
该模式会保存SAM分割的所有mask，对于转换后的内轮廓，会添加一个类别为__background__的polygon.
SAM模型选择
支持多个SAM模型的随时切换。
** 需先下载对于模型，注意模型显存需求 **
mobile_sam.pt
标注结果预览
实时预览标注结果，所见即所得。切换顺序为 标注-语义-实例。
语义分割预览
语义分割预览中，每一个类别的目标，均为一个颜色，显示的颜色与设置的类别颜色相同。
实例分割预览
实例分割预览时，每一个实例id为一个单独的颜色，软件为实例内置了255种不同的显示颜色。
目标遮挡调整
对于存在重叠区域的目标，可以通过图层高低来调整遮挡关系。
由于coco，labelme等数据格式不存在图层属性，所以转换为coco与labelme时，会丢失图层信息。
推荐直接转换为voc格式单通道图，进行模型训练。转换后的标签图片与预览结果完美匹配。
