X-AnyLabeling AI辅助标注工具上手指南3条命令装好50模型直接用【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.项目地址: https://gitcode.com/gh_mirrors/xa/X-AnyLabeling你手头有5000张图片、一周要交标注结果逐张画框至少得忙上几周用 X-AnyLabeling 做AI自动标注模型先过一遍产出初框你只负责改错的。这是一款开源跨平台桌面数据标注工具内置50多个预训练模型支持COCO、YOLO、DOTA等格式导出Windows、Linux、macOS都能跑。 30秒安装并启动最短路径就两条命令前提是Python 3.11及以上。pip install x-anylabeling-cvhub[cpu]有显卡的话把中括号换成[gpu]默认CUDA 12CUDA 11用gpu-cu11。装完先运行xanylabeling checks核对版本和设备信息然后启动xanylabeling 用它完成标注任务任务类型有20多种挑三个最常用的说。用它批量完成目标检测标注打开图片目录按CtrlA加载检测模型如YOLOv8s开启AI自动标注当前图就会自动出框。模型文件首次使用自动下载到~/xanylabeling_data/models不用手动管理。逐张推理完整批图就有初稿人工只改错框千张图的初标时间压缩到模型跑完一遍的时长。用它标旋转框和分割掩码航拍、船舶这类方向性强的目标用旋转框OBB工具结果可导出DOTA格式要像素级掩码就用SAM 2/3点几下出实例分割。用它批量转换标注格式COCO、VOC、YOLO、MOT、MASK、PPOCR等格式互转不用自己写脚本xanylabeling convert裸跑会列出全部支持的转换任务追加任务名如xlabel2coco即执行转换。⚙️ 底层机制所有模型被统一抽象成ONNX文件YAML配置每个模型对应 anylabeling/configs/auto_labeling/ 里一份yaml声明模型类型、输入尺寸和下载源。推理层支持ONNX Runtime、TensorRT、OpenCV DNN等多种后端GPU环境装好TensorRT就能切过去提速。界面基于PyQt6模型推理在独立worker线程里跑画框操作不会卡住推理。本地算力不够时同一套模型配置可指向远程推理服务调用多台机器共享同一块GPU。⚠️ 避坑指南仅支持Python 3.113.10会装不上cuDNN须匹配onnxruntime-gpu版本CPU版和GPU版推理包不能共存常见报错Could not locate cublasLt64_12.dll基本都是CUDA版本不匹配CUDA 11要ONNX Runtime低于1.19CUDA 12要1.18.1以上CUDA 13要1.27以上对照官方兼容表换版本即可。另一条是Linux部分桌面如Fedora KDE画布上鼠标移动发飘启动时加--qt-platform xcb参数解决。 进阶入口自定义模型文档ONNX导出加yaml配置模型配置目录全部yaml汇总处自动标注服务源码各模型推理实现X-AnyLabeling把画框的重复劳动交给模型你专注纠错和抽检。手头有批次数据要标的话建议先跑100张验证准确率再批量推剩下的。【免费下载链接】X-AnyLabelingX-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop application for annotating text, image, video, and multimodal data, combining versatile built-in tools with state-of-the-art AI models and flexible multi-format export.项目地址: https://gitcode.com/gh_mirrors/xa/X-AnyLabeling创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
