CVAT 標示 object detection 資料

安裝

follow Installation 官網說明。
CVAT 是用 Docker compose 寫的一堆服務組成，所以要用 docker run
clone docker compose yml 後，依照需要修改 docker compose file。
再啟動所有的 containers.
CVAT default 對 127.0.0.1 服務，如果要改變，可以用環境變數 : CVAT_HOST 來改變。
container 啟動後，必須要執行 container 中的 shell command 來 create superuser (不是Default 就 create 好)
然後，就可以用這個帳號 login 了。

git clone https://github.com/opencv/cvat
cd cvat
export CVAT_HOST=your-ip-address
docker-compose up -d
docker exec -it cvat bash -ic 'python3 ~/manage.py createsuperuser'

輸入 admin 和 password。
然後就可以用 browser 開啟剛剛設定的 your-ip-address:8080/ 進行登入。


標示

先 follow 這個 create 一個標示的 task。
在 "select file" 的階段，選擇影片檔 (AABB.mp4)。

然後到 Jobs 去打開剛剛 create 好的 task
進入標示的 UI
以 object detection 來說，最有用的就是左邊 menu 的 'Draw New Retangle', mouse 靠近後，會顯示內容，'shape' 跟 'track'。
選 track 的話，他就會自動在下一個 frame 標示。
選 track 後，在畫面上框出 object。
右邊panel 就會出現框出來的 object。
點選上方control 的 '>' 會到下一個 frame，剛剛的匡會繼續。
可以多跑幾個 frame 後，等object 跑遠了，但是框都沒跟上，把框拉到正確位置。
這時候，用 '^lt;' 看一下前幾個 frame，他就會依照移動比例，移動框了。
對於 tracking，CVAT 把手工調整過的，叫 key frame，他會把相應兩個 key frame 間的 frame，依照比例，改變其中的 frame 的框。
所以可以用 'F', 'D' 顯示前，後 frame，如果是線性就不用調整。有太大改變再手動調整。

ref:track mode advanve

Export

CVAT export supporty Yolo 的格式，標好，save 後，選左上menu 的 export，格式選 yolo v1 ，跟 save image ，就會把 image, txt 輸出成 zip file
export 的 image 格式是 PNG，檔案很大。
可以參靠convert png to jpg 的作法：

mogrify -format jpg *.png