ShaoHua
8.5 KiB
VisioFirm 标注工具使用指南
本指南将帮助你使用 VisioFirm 进行 YOLO 目标检测数据标注。
目录
1. VisioFirm 简介
VisioFirm 是一款开源、跨平台的 AI 辅助图像标注工具，专为计算机视觉任务设计。
官方链接：
- GitHub 仓库：https://github.com/OschAI/VisioFirm
- PyPI 项目：https://pypi.org/project/visiofirm/
- 论文地址：https://arxiv.org/abs/2509.04180
主要特性：
- AI 驱动的预标注（YOLO、SAM2、Grounding DINO），节省高达 80% 人工标注
- 支持多种标注格式：YOLO、COCO、PascalVOC 等
- 自动划分训练/验证/测试集
- 支持视频标注和标签传播
- 直观的用户界面
- 批量处理功能
- 标注验证和预览
- 支持分类、目标检测、分割任务
2. 安装与启动
2.1 系统要求
- Python 3.10 或更高版本
- 推荐使用 CUDA 11.8（如需 GPU 加速）
- 16GB 或更多内存
2.2 安装（推荐方式：pip）
注意： VisioFirm 直接安装在项目的 yolo_demo 环境中，无需创建新环境。
- 激活项目虚拟环境：
conda activate yolo_demo - 设置 UTF-8 环境变量（Windows 中文环境必须）：
# PowerShell $env:PYTHONUTF8=1 - 使用 pip 安装 VisioFirm：
pip install visiofirm
或者使用一键启动脚本：
.\start_visiofirm.ps1
2.3 启动 VisioFirm
方法一：使用一键启动脚本（推荐）
直接运行项目根目录下的启动脚本：
.\start_visiofirm.ps1
方法二：手动启动
- 激活环境并设置 UTF-8：
conda activate yolo_demo $env:PYTHONUTF8=1 - 启动 VisioFirm：
visiofirm
启动后，浏览器会自动打开 VisioFirm 界面（通常是 http://localhost:8000）。>
3. 项目设置
3.1 创建新项目
- 打开 VisioFirm
- 点击 "New Project" 或 "创建新项目"
- 输入项目名称（如：YOLO_Demo）
- 选择项目保存位置
3.2 配置项目
导入图片：
- 点击 "Import Images" 或 "导入图片"
- 选择你的图片文件夹
- 选择要标注的图片文件（可全选）
设置类别：
- 点击 "Classes" 或 "类别" 标签
- 点击 "Add Class" 或 "添加类别"
- 输入类别名称（如：car, person, bicycle）
- 为每个类别选择颜色（便于区分）
- 保存类别配置
示例类别配置：
0: person (行人)
1: bicycle (自行车)
数据集划分设置（可选）：
VisioFirm 在导出时会自动将数据集划分为 train/val/test。默认划分比例：
- 训练集（train）：70%
- 验证集（val）：15%
- 测试集（test）：15%
4. 标注操作
4.1 基本标注步骤
- 从左侧图片列表中选择要标注的图片
- 选择标注工具（通常是矩形框工具）
- 在图片上拖动鼠标绘制边界框，框选目标
- 从类别列表中选择对应的类别
- 确认标注无误后，点击保存或自动保存
4.2 标注技巧
精确框选：
- 尽量紧贴目标边缘绘制边界框
- 避免框选过多背景
- 对于部分遮挡的目标，仍然标注可见部分
类别一致性：
- 保持同类目标标注标准一致
- 对于模糊不清的目标，可以选择跳过或标记为不确定
标注顺序：
- 按类别顺序标注，减少类别切换
- 使用快捷键提高效率
AI 预标注（推荐）：
VisioFirm 支持 AI 预标注功能，可以大幅提高标注效率：
- 点击 AI 预标注按钮
- 选择合适的模型（如 YOLO）
- 自动生成标注框
- 人工检查和修正
5. 导出 YOLO 格式
5.1 导出设置
- 完成标注后，点击 "Export" 或 "导出"
- 选择 "YOLO" 格式
- 设置导出选项：
- 导出路径：选择项目内的
dataset/tags/visiofirm/目录 - 勾选 "自动划分 train/val/test"
- 类别映射：确认类别名称正确
- 坐标格式：选择归一化坐标（0-1）
- 导出路径：选择项目内的
- 可以选择导出为 ZIP 压缩包或文件夹
5.2 执行导出
- 点击 "Export" 或 "开始导出"
- 等待导出完成
- 导出完成后，会在
dataset/tags/visiofirm/目录下生成新文件夹（如20260505_01/）
5.3 导出结果说明
导出后，目录结构如下：
dataset/tags/visiofirm/
├── 20260505_01/ # 每次导出会生成带日期的文件夹
│ ├── data.yaml # 数据集配置文件（VisioFirm 格式）
│ ├── train/
│ │ ├── images/ # 训练集图片
│ │ └── labels/ # 训练集标注
│ ├── val/
│ │ ├── images/ # 验证集图片
│ │ └── labels/ # 验证集标注
│ └── test/
│ ├── images/ # 测试集图片
│ └── labels/ # 测试集标注
└── 1_YOLO.zip # ZIP 压缩包（可选）
标注文件格式：
class_id center_x center_y width height
示例：
0 0.5 0.5 0.3 0.4
1 0.2 0.3 0.1 0.2
说明：
class_id：类别 ID（从 0 开始）center_x, center_y：边界框中心点坐标（归一化 0-1）width, height：边界框宽高（归一化 0-1）
6. 使用导出数据
6.1 配置项目
- 复制
configs/dataset-traditional.yaml到项目根目录，重命名为dataset.yaml - 编辑
dataset.yaml，修改path指向刚导出的数据文件夹：
path: ./dataset/tags/visiofirm/20260505_01
train: train/images
val: val/images
test: test/images
nc: 2
names:
- person
- bicycle
注意： nc 和 names 需要根据你实际标注的类别进行修改。
6.2 验证数据集
使用项目验证脚本检查导出的标注：
python src/validate_dataset.py
验证通过后，即可开始训练模型！
7. 快捷键
| 快捷键 | 功能 |
|---|---|
W 或 R |
矩形框工具 |
A |
上一张图片 |
D |
下一张图片 |
Ctrl+S |
保存标注 |
Ctrl+Z |
撤销 |
Ctrl+Y |
重做 |
Del |
删除选中的框 |
Esc |
取消当前操作 |
Space |
平移画布 |
鼠标滚轮 |
缩放 |
注意： 具体快捷键可能因 VisioFirm 版本不同而略有差异，请以实际软件为准。
8. 标注质量检查
完成标注后，建议进行以下检查：
-
完整性检查
- 确认所有图片都已标注
- 确认所有目标都已框选
-
准确性检查
- 检查边界框是否准确
- 检查类别是否正确
-
格式验证
- 使用项目中的验证脚本检查标注格式：
python src/validate_dataset.py
9. 常见问题
Q: VisioFirm 如何获取？
A: 推荐使用 pip 安装：pip install visiofirm，详细步骤见"安装与启动"章节。
也可以访问 GitHub 仓库：https://github.com/OschAI/VisioFirm 获取源码。
Q: VisioFirm 是免费的吗？
A: 是的，VisioFirm 是开源软件，采用 Apache-2.0 许可证，完全免费使用。
Q: 导出后如何使用这些数据？
A: 导出的数据已经自动划分好 train/val/test。
只需修改项目根目录的 dataset.yaml 中的 path 指向导出文件夹即可开始训练。
Q: 如何批量处理图片？
A: VisioFirm 支持批量导入图片，可以一次选择多张或整个文件夹进行标注。 导出时也支持批量导出所有标注。
Q: 标注过程中如何暂停和继续？
A: VisioFirm 会自动保存进度，关闭浏览器标签页后重新打开 http://localhost:8000 即可继续。
Q: 如何修改已有标注？
A: 选择要修改的框，可以拖动调整位置或大小，也可以删除后重新标注。 对于 AI 预标注的结果，可以直接进行修正。
Q: 遇到技术问题怎么办？
A: 可以在 GitHub Issues 页面提交问题：https://github.com/OschAI/VisioFirm/issues
下一步
标注完成后，请继续参考 YOLO 模型测试流程指南 进行模型训练。
祝你标注顺利！