半自动化标注平台搭建CVAT

背景

当我们有已经训练好的模型，想利用模型去标注新的致据集，而不想用lableme手动去标注，在这种需求下，cvat就显示出它的作用了，并且cvat可以多人协同标注。

cvat & nulio

opencv组织出品的一个非常优秀的在线图像标注系统。源码下载地址 https://github.com/opencv/cvat
nuclio：一种高并发无服务器的函数操作
什么是无服务器功能，为什么它用于CVAT中的自动标注？让我们假设您有一个DL模型，并希望将其用于人工智能辅助标注。常规的做法是实现一个Python脚本，该脚本使用DL模型来准备一个带有MSCOCO或Pascal VOC等公共格式标注的文件。之后，您可以将标注文件上传到CVAT。它是可以的，但对用户不友好。如何让CVAT为您运行脚本？你可以将带有DL模型的脚本打包到容器中，该容器提供与之交互的标准接口。一种方法是将函数用作服务方法。你的脚本成为云基础设施中的函数，可以通过HTTP调用。Nuclio无服务器平台帮助我们实现和管理这些功能。

搭建方式

Git clone cvat的代码下来，进入到源码根目录下
1.要构建具有无服务器支持的CVAT，需要使用特定的配置文件运行docker compose命令。docker-compose.serverless.yml 描述如何将Nuclio平台构建和部署作为docker容器，并在CVAT使用
docker compose -f docker-compose.yml -f docker-compose.dev.yml-f components/serverless/docker-compose.serverless.yml up -d --build
测试命令：docker compose-f docker-compose.yml-f docker-compose.dev.yml -f components/serverless/docker-compose.serverless.yml ps
2. Nuclio 下载可执行文件，并且链接到系统里
wget https://github.com/nuclio/nuclio/releases/download//nuctl--linux-amd64
sudo chmod +x nuctl-‹version>-linux-amd64
sudo In -sf $(pwd)/nuctl--linux-amd64 /us/local/bin/nuctl
测试命令：nuctl get functions
3. 部署 nuclio与cvat 模型相关的接口
nuctl create project cvatnuctl deploy -project-name cvat -path “./serverless/pytorch/yolov5” --platform local
4. 模型接口对接
参照官方例子serverless/onnx/WongKinYiu/yolov7/nuclio/function.yaml，最重要的参数是：模型类型（检测/分割），模型路径，模型分类的类别，python的版本号，还有一些必要的依赖库
5. 用户使用常规使用方式：
使用注意点：
目cvat使用方法参考https://blog.csdn.net/ZHUO__zhuo/article/details/125068660

使用总结：

1）目前使用下来，还是需要很多人工操作的地方，比如校验，不正确的标注需要人为删除，重新标注
2） docker有时候需要重启，否则使用出问题
参考文档：https://opencv.github.io/cvat/docs/manual/advanced/serverless-tutorial/
https://opencv.github.io/cvat/docs/administration/advanced/installation_automatic_annotation/