VLM-AutoYOLO
AI 自動標註與 YOLO 訓練流程,端到端物件偵測自動標籤與 YOLO 訓練平台。由 VLM 驅動的標註,搭配 NVIDIA LocateAnyt
VLM-AutoYOLO 是什麼?
AI 自動標註與 YOLO 訓練流程,端到端物件偵測自動標籤與 YOLO 訓練平台。由 VLM 驅動的標註,搭配 NVIDIA LocateAnything-3B、手動精修、一鍵 YOLO 訓練、影片關鍵影格提取及模型驗證。支援圖片與影片。
VLM-AutoYOLO 概覽
這是什麼
VLM-AutoYOLO 是一個端到端的物件偵測自動標註與 YOLO 訓練平台。它使用 VLM(視覺語言模型)進行自動標註,透過 SAM2/SAM3 進行遮罩精煉,並支援一鍵 YOLO 訓練。流程從圖片或影片輸入,最終產出 YOLO 模型。此平台在 macOS MPS 與 Windows/Linux CUDA 上享有 GPU 加速。
主要功能
- VLM 自動標註:使用 NVIDIA LocateAnything-3B 進行開放詞彙物件偵測。
- SAM2/SAM3 分割:透過 SAM 2.1 或 SAM3 以文字驅動的偵測與分割,將邊界框轉換為像素級精確遮罩。
- 影片標註:智慧關鍵幀提取(場景/動態/間隔),並支援 SSIM 去重。
- 手動精煉:畫布繪圖模式、NMS 過濾、隱藏/顯示個別框。
- 多格式匯出/匯入:YOLO、YOLO-Seg、COCO JSON、Pascal VOC XML、CreateML JSON;支援最多 10GB 的分塊上傳與續傳。
- 訓練佇列:循序任務處理,支援取消,一鍵訓練(YOLOv8/v11/v26),即時 SSE 進度回報。
- 模型驗證:批次圖片/影片測試、MJPEG 即時串流、SSE 影片推論。
使用情境
此工具適用於需要從圖片或影片建立自訂物件偵測或分割資料集的使用者,可透過 VLM 自動標註、手動或 SAM 精煉標註,然後一鍵訓練 YOLO 模型,無需撰寫程式碼。適合從事電腦視覺專案的研究人員、工程師與業餘愛好者。
快速開始
bashgit clone https://github.com/Somnusochi/VLM-AutoYOLO.gitcd VLM-AutoYOLOpython3 cli.py all關於 Docker 部署、手動設定與詳細說明,請參閱儲存庫的 README。
授權與價格
授權為 AGPL-3.0。此專案為開源軟體。
內容整理自該專案公開的 README 與儲存庫資訊。