BakuFlow：一种精简的半自动标签生成工具
计算机视觉与模式识别
2025-06-12 v1 人工智能
摘要
准确标注（或注释）数据仍然是计算机视觉中的瓶颈，尤其是在大规模任务中，手动标注耗时且容易出错。虽然LabelImg等工具可以处理标注任务，但其中一些仍需要标注者逐张手动标注图像。在本文中，我们引入了BakuFlow，一种精简的半自动标签生成工具。关键特性包括：（1）实时可调放大镜，用于像素级精确的手动修正，提升用户体验；（2）交互式数据增强模块，用于多样化训练数据集；（3）标签传播，用于在连续帧之间快速复制已标注对象，大幅加速视频数据标注；以及（4）由修改版YOLOE框架驱动的自动标注模块。与原始YOLOE不同，我们的扩展支持在标注过程中为每个类别添加新的对象类和任意数量的视觉提示，从而实现对动态真实数据集的灵活可扩展标注。这些创新使BakuFlow在目标检测与跟踪方面尤为有效，大幅减少了标注工作量，提升了实际计算机视觉和工业场景中的效率。
引用
@article{arxiv.2506.09083,
title = {BakuFlow: A Streamlining Semi-Automatic Label Generation Tool},
author = {Jerry Lin and Partick P. W. Chen},
journal= {arXiv preprint arXiv:2506.09083},
year = {2025}
}
备注
4 pages, 3 figures, 1 Table