CVATの自動アノテーション機能を使ってみた

人生初投稿！

初めてQiitaに投稿をします．もし間違い等あれば，ご指摘していただけると幸いです．

自動アノテーション(auto annotation)とは?

あらかじめ用意していたデータベースから，システムが画像におけるメタデータを自動で付与してくれる機能のことを指します．CVATではそれをAIで実現しており，yoloといったモデルを使用して，自動で画像や動画のアノテーションを行なってくれます．
なお、2021年8月時点での最新Releaseバージョン1.5を使用しています．ネット上の日本語での記事を検索したところ，バージョン1.2に関しての記事しかありませんでした．1.5と1.2ではCVATの起動方法が大幅に変更されているので，最新版を使用されたい方はこちらの記事をご参考ください.

記事の内容

• CVATの起動と使い方
• CVATの自動アノテーションを試す
• オンライン版お試しCVAT
  

環境

MacBook Pro Core i7
VS Code
Docker version 20.10.8

既にdockerがPCにインストールされていることを前提としています．もしまだの方はDocker Desktopをインストールしてください．
Dockerを使用するので、WindowsでもLinuxでも同様の手順でCVATを使用することができます.
後述しますが，何故かWindowsでは自動アノテーションがうまく起動しませんでした...

GitHubのレポジトリをクローンする

git clone https://github.com/openvinotoolkit/cvat/tree/release-1.5.0

GitHub Desktopを使用する場合は 「current repository ▼」 👉 「Add ▼」 👉 「Clone Repository」 👉 「URL」タブでhttps://github.com/openvinotoolkit/cvat/tree/release-1.5.0を入力してcloneボタンをクリックしてください．

CVATの初期設定をする

vs codeでdocker-compose.ymlを以下のように変更してください．アノテーションしたい画像を入れたディレクトリ(フォルダ)をあらかじめ設定しておくことで作業がしやすくなるので．'/Users/○×□'を自身の環境に合わせて設定してください．

Mac(おそらくLinuxも)

services:
  ...
  cvat:
    ...
    volumes:
      - cvat_data:/home/django/data
      - cvat_keys:/home/django/keys
      - cvat_logs:/home/django/logs
      - cvat_share:/home/django/share  #追加
...
volumes:
  ...
  cvat_share:
    driver_opts:
      type: none
      device: '/Users/○×□'  # マウントしたいディレクトリ
      o: bind

Windows

services:
  ...
  cvat:
    ...
    volumes:
      - cvat_data:/home/django/data
      - cvat_keys:/home/django/keys
      - cvat_logs:/home/django/logs
      - C:\Users\○×□:/home/django/share  #マウントしたいフォルダ

CVATの立ち上げ

フォルダを指定した後，CVATを起動します．

docker-compose -f docker-compose.yml -f components/serverless/docker-compose.serverless.yml up -d

コンテナがすべて立ち上がれば成功です．

CVATのセットアップ

以下のコードを入力してください．ここではDjangoのスーパユーザの作成を行なっています．email addressの登録はreturn(enter)を押してパスしてもらって大丈夫です．

入力したユーザ名とパスワードは後で使用するので，覚えておいてください．

docker exec -it cvat bash -ic 'python3 ~/manage.py createsuperuser'

これでセットアップは完了です．

CVATを触ってみる

タスク作成

http://localhost:8080/
にアクセスしてください．
以下のような画面が出てくるので，先ほど設定したユーザネームとパスワードでログインしてください．

ログインした後このようなトップページが出てくるので，


+ Create new taskをクリックしてタスクを作成します．
NameやLabelsを設定していきます．Labelの色はしっかりと設定しておいた方が後のアノテーションがしやすくなります．

また，アノテーションに使用する画像は先ほどマウントしたフォルダ(ディレクトリ)から取得するので，Connected file shareをクリックし，使用画像に☑を入れてください．

全ての項目を設定し終えた後，submitボタンをクリックします．

このポップアップが右側に出現すると，タスク作成は完了です．

アノテーションをしてみる

では一度アノテーションを手動でしてみましょう．

Jobsのjob#1をクリックしてください．

この□にカーソルを持っていくと，下の画像のようなポップアップがでます．

ここでShapeをクリックすると，アノテーションモードになります．囲んでみると，以下のようにアノテーションをすることができます．

ですが，手動で全画像をアノテーションをするのはきつく，CVATの意味がありません！

では，本題の自動アノテーションを設定してみましょう．

CVATの自動アノテーション機能をオンにする

yolo-v3を使用して自動アノテーションを使用しました．

ローカルにnuclioを導入します．

https://github.com/nuclio/nuclio/releases/tag/1.5.16からPCの環境に応じてダウンロードしてください．

なお，nuclioのバージョンは docker-compose.serverless.ymlのnuclioのバージョンと合わせてください．

nuctl-1.5.16-darwin-amd64   #Mac
nuctl-1.5.16-linux-amd64    #Windows
nuctl-1.5.16-windows-amd64  #Linux

Mac (Linux)

sudo chmod +x nuctl-1.5.16-linux-amd64
sudo ln -sf $(pwd)/nuctl-1.5.16-linux-amd64 /usr/local/bin/nuctl

Windows

色々試してみましたが，上手くいきませんでした．Windowsの方はWSL2でDockerを動かしており，Hyper-Vの方では試していません．GitHubのissueを探してみると，同様の問題が発生している方がいらっしゃいました...

ここでcvatというプロジェクトを作ります．(cvatという名前以外はCVATでは使用できませんでした)

nuctl create project cvat

もし上手くいかない場合は，http://localhost:8070/ にアクセスしてGUIでプロジェクトを作成してください．

ここでは，yolo-v3モデルをぶちこみます．

nuctl deploy --project-name cvat \
  --path serverless/openvino/omz/public/yolo-v3-tf/nuclio \
  --volume $(pwd)/serverless/common:/opt/nuclio/common \
  --platform local

私の場合ここでエラーが発生し，コンテナの立ち上げができませんでした．原因を探ってみると，コンテナが0番ポートに割り当てられていたようなので，serverless/openvino/omz/public/yolo-v3-tf/nuclio/function.yamlファイルにポート番号を追加しました．ポート番号は任意の番号で大丈夫(?)だと思います．
(どうやらこれはバグらしく，nuclioの方では既に修正済みのようですが，CVATが旧バージョンを使用している事が起因して発生しているようです．早く修正バージョンがリリースされるといいですね...)

  triggers:
    myHttpTrigger:
      maxWorkers: 2
      kind: 'http'
      workerAvailabilityTimeoutMilliseconds: 10000
      attributes:
        port: 55952   #追加
        maxRequestBodySize: 33554432 # 32MB

すると，上手くいきました．

CVATを立ち上げ，リロードをしてみると Projects Tasks の横に Models が出現しました．それをクリックしてみると，以下のように YOLO v3 が表示されています．

では，先程のアノテーション画面に戻ります．左のバーをみると，AI Toolsが追加されていることがわかります．
DetectorsからYOLO v3を選択してください．

例ではマリトッツォを自動アノテーションで検出してみます．マリトッツォはどちらかというとケーキのような見た目なので，yoloのケーキ検出機能を使って，マリトッツォのアノテーションを行ってみます．

アノテーションを行うと，見事マリトッツォがアノテーションされていました！

この自動アノテーションは一枚ずつ行うこともできますが，まとめてアノテーションすることもできます．Tasksを開いて，Actionsボタンをクリック→Automatic annotationをクリックするとそのタスク内の全画像の自動アノテーションが始まります．

オンライン版

CVATを一度お試しで使ってみたい，という方向けにオンラインdemo版が用意されています．環境構築が出来なかった！ という方はこちらでCVATを体験できます．

最後に

CVATの自動アノテーションはとても楽ですね．物体検出の他にセグメンテーションも行うことができます．今までは全て手動でしなければいけなかったのですが，CVATで大幅に時間短縮ができます．特にセグメンテーションは何回もマウスをポチポチすることになるので，この手間が削減されるのはとても助かります．

この記事が面白いなと思ったらLGTMよろしくお願いします！

今後も記事を書いていきますので，そちらの方も見て頂ければ幸いです😄

参照

CVAT
CVAT Docs