LivePyxel：集成 Python 的网络摄像头实时流图像标注加速器

灵活的图像标注工具缺失，阻碍了 AI 模型在部分科学领域的部署。大多数现有图像标注软件要求用户上传预收集的数据集，这限制了按需管道的支持，并引入了获取图像的不必要步骤。在实验室环境中，尤其需要从显微镜等仪器进行现场数据获取，这一限制尤为突出。本文介绍了 \texttt{LivePixel}，一种基于 Python 的图形用户界面，集成了像网页摄像头、显微镜等 imaging 系统，以实现现场图像标注。LivePyxel 通过简单易用的界面设计，允许用户使用商业图形编辑软件中常见的工具精确 delimit 标注区域。值得注意的是，Bézier 样条和二值掩码的可用性，以及支持非破坏性图层以实现高性能编辑的功能。LivePyxel 还具备对广泛视频设备的高度兼容性，并通过集成 OpenCV 与高性能的数值与线性代数运算库（如 Numpy）优化了对象检测操作。LivePyxel 实现了无缝的数据收集与标注，加速了实验工作流程中 AI 模型的开发。LivePyxel 已在 https://github.com/UGarCil/LivePyxel 上提供免费获取。