交互式标注工具：Fastlabel

Fastlabel 是一个生产级工具。起源于

在旷视的一个项目。核心是利用人的并行视觉能力，即”审查比标注快的多的多“，实现图像二分类的超快标注。

两个核心理念是：

1. 边标边训自动打标模型。
2. 所有图片都需要经人类标注或者审阅。

今天我们靠 gemini 完成概念复现。

。。。

嗐，没什么好写的，就是迭代两次 spec，塞给 gemini。

放几页截图吧。

直接命令行启动，然后 localhost:8008 看 demo。

python3 app.py

一开始，可以用一句话作为初始自动标注，底下是一个 600MB 的 CLIP。

我们选用“asian” 来在 CelebA 里找东亚人。

点 “Set Query” 后，再点 Load Batch。

第一轮结果中返回的都红色框，确实里面没有 Asian。直接 Confirm& Train。

这一轮绿色这个算对。Hmm，第一行最后一个也算吧。点一下把她 toggle 成绿色，然后 Confirm&Train。

出现男生了，不错。不会训成 “asian woman”分类了。

感觉挺准的了。

接下来因为自动标注大都是对的，可以把 “24 Items” 那个改大些。

点到 Autolable 页，Hmm，模型怕是以为黑发就是 asian。得再训训。

以上是在 Macbook 上跑的，用了 M1 Apple Silicon 的机器学习能力。所以速度相当不错。

最后在 Review Confirmed 这个 tab，可以导出标注结果。

还有一点，除了是一个很好的标注工具外，也是一个很好的数据集理解工具。标的时候经常会发出惊叹：“还有这样的数据！”。

全量代码：https://github.com/zsc/fastlabe