以下为使用的官方文档：
https://isat-sam.readthedocs.io/zh-cn/latest/install.html

一、安装

我使用的方法是从github上克隆源码后安装：

# 使用conda创建一个新环境conda create-nisat_envpython=3.10# 激活新环境conda activate isat_env# 安装依赖项pipinstall-rrequirements.txt# 从Github上获取源码，克隆gitclone https://github.com/yatengLG/ISAT_with_segment_anything.git# 进入项目文件夹cdISAT_with_segment_anything# 通过命令行启动ISATpython main.py

二、使用

2.1 help

点击左上角：help——language，切换到中文

2.2 类型

左下角：类别设置。

• 能添加新类别，设置类别的颜色，
• 能删除类别
• 能导入类别

2.3 文件

• 图片文件夹：选择你想要标注的图片所在的文件夹
• 标签文件夹：选择标签存储的文件夹。每次标注完之后会自动生成.json文件存储相关信息，json文件会存到这个文件夹里面。
• 设置：把自动保存打开。

2.4 SAM模型

点击：SAM——模型管理，

• 选择一个SAM模型，点击下载，即可下载。
• 模型的作用就是后续能自动识别一些物品，加快标注的速度

2.5 标注

标注支持的类型：

• 手动标注：快捷键C
• 自定，点提示：快捷键Q
• 自动，框提示：快捷键W

每次标注完之后必须按E完成，这个时候就会生成json文件，如果没有生成json文件后续导出会很困难。

三、导出

点击：工具——数据转换。
VOC转化，选择刚才存储json的文件夹，选择好会生成的mask文件，然后选择使用设置的类别颜色，点击开始就可以

四、远程配置

步骤 1：SSH 登录远程服务器
步骤 2：新建工作文件夹
步骤 3：创建 conda 环境（在这个文件夹内执行就行）

# 创建环境conda create-nisat_backendpython=3.10-yconda activate isat_backend# 安装torch（根据你的cuda版本，autodl cuda12.1直接用这条）pipinstalltorch torchvision --index-url https://download.pytorch.org/whl/cu121 pip downloadtorch==2.4.1torchvision==0.19.1 --index-url https://download.pytorch.org/whl/cu121 --no-deps pipinstall./*.whl-ihttps://pypi.tuna.tsinghua.edu.cn/simple# 安装后端pipinstallisat-sam-backend pipinstallisat-sam-backend-ihttps://pypi.tuna.tsinghua.edu.cn/simple

步骤 4：下载模型（可以在任意路径执行，缓存自动到.cache）

# 查看支持模型isat-sam-backend model--list# 下载 mobile_sam（推荐）isat-sam-backend model--downloadmobile_sam

步骤 5：启动服务

isat-sam-backend--checkpointmobile_sam--host0.0.0.0--port8000

步骤 7：本地 ISAT 客户端配置（回顾）
打开 ISAT → Remote SAM
填入映射地址
本地 ISAT 模型管理器也要下载同一个 mobile_sam 模型
点击连接，提示连接成功就可以打点标注

cd/data1/hsl/ISAT conda activate isat_backendCUDA_VISIBLE_DEVICES=4isat-sam-backend--checkpointmobile_sam.pt--host0.0.0.0--port8000