ComfyUI-Autodistill 是ComfyUI平台上的图像集自动标注节点包，利用基础模型的能力自动标注图像并生成目标检测数据集。

1、代码组织

ComfyUI-Autodistill节点包的目录组织说明如下：

2、安装

将节点包解压到 ComfyUI/custom_nodes 目录下，结果如下所示：

ComfyUI
  |- custom_nodes
        |- ComfyUI-Autodistill
              |- __init__.py
              |- ...

然后进入 ComfyUI-Autodistill 目录，执行如下命令安装依赖包：

|

pip install -r requirements.txt

3、使用示例数据集快速上手

在ComfyUI界面中，点击【Load】按钮载入 examples/auto-annotation.json工作流，如下图所示：

上面工作流执行后，将自动在指定的输出文件夹得到标注好的数据集。点击预览图，可以看到瓶子和瓶盖 已经被标注了：

LabelImages节点负责对指定的图像集进行自动标注并形成目标检测数据集，它需要一个基础模型作为输入， 同时也需要指定要标注的图像文件所在的目录。

LoadBaseModel节点负责加载指定类型的基础模型，同时也需要指定一个标注提示（CaptionOntology）以便 指导基础模型进行标注。

CaptionOntology节点负责定义提供给基础模型的标注提示，标注提示将提示映射为标签，例如这个节点表示 基础模型应当标注出图像中的 milk bottle，并在生成的数据集中设置标签为 bottle：

EmptyDict节点创建一个空字典对象，DictSetValue节点设置字典对象的键/值对，因此下面的工作流片段：

实际上创建了一个如下的字典对象：

{
  "milk bottle": "bottle",
  "blue cap": "cap",
}

VisualizeDataset节点负责显示生成的数据集中的前N个带标注信息的图像。

4、自定义节点手册

4.1 LabelImages

LabelImages节点利用基础模型对指定的图像文件进行自动标注，生成目标检测数据集。

输入：

• base_model：基础模型，由 LoadBaseModel节点加载
• input_folder：待标注的图像文件目录
• extension：待标注图像文件的后缀，默认：'png'
• output_folder：待生成数据集的保存目录，包含原始图像和标注信息

输出：

• dataset：生成的目标检测数据集

4.2 LoadBaseModel

LoadBaseModel节点按指定的ontology信息加载指定的基础模型。

输入：

• ontology：基础模型的提示与标注映射描述，由 CaptionOntology节点创建
• model：要加载的基础模型，默认："Grounded SAM"

输出：

• base_model：已加载的基础模型

4.3 VisualizeDataset

VisualizeDataset 节点可视化生成的数据集中的前N个带标注图像。

输入：

• dataset：自动标注生成的数据集
• first_n：要叠加标注信息的前多少个图像
• mask：是否叠加遮罩标注
• box：是否叠加包围盒标注
• label：是否叠加分类标签

输出：

• images：生成的带标注图像批

4.4 CaptionOntology

CaptionOntology节点定义用于指导基础模型的标注行为的提示信息。

输入：

• dict：提示/分类标签字典

输出：

• ontology：提示标注对象

4.5 EmptyDict

EmptyDict节点定义一个空字典。

输出：

• dict：空字典

4.6 DictSetValue

DictSetValue节点设置字典对象的键/值对。

输入：

• key：键
• value：值

原文链接：ComfyUI-Autodistill节点包 - 汇智网