官方原话：EISeg(Efficient Interactive Segmentation)是基于飞桨开发的一个高效智能的交互式分割标注软件。涵盖了高精度和轻量级等不同方向的高质量交互式分割模型，方便开发者快速实现语义及实例标签的标注，降低标注成本。 另外，将EISeg获取到的标注应用到PaddleSeg提供的其他分割模型进行训练，便可得到定制化场景的高精度模型，打通分割任务从数据标注到模型训练及预测的全流程。
飞桨(PaddlePaddle)是百度开源的深度学习框架， 区也比较活跃，关键是中文方便交流，哈哈哈。
工具是在仓库下里（从release2.3以后直接从移到目录下了），仓库地址如下：
https://github.com/PaddlePaddle/PaddleSeg

工具也是最近团队才开源（大概是在2021.08.24）的一个实用工具，现在还在不断迭代优化中：

然后再安装(这里以pip安装方式为例，你也可以按照官方的教程使用源码安装)：

安装成功后直接在终端输入即可启动：

2.5导入类别标签

同样点击->，选择上面刚刚讲到的标签文件即可。

2.6标注图片

点击左上角，然后可以选择单张图片进行标注，或者点击对里面的图片一张张进行标注。

2.7生成的标注信息

打开目标标注信息的目录，可以看到针对每张图片会默认会生成3张图片和一个文件（这个文件是所有图片共用的，和COCO的json的文件一样）。

• 其中是之前在PASCAL VOC数据中介绍的语义分割mask标签文件（注意，这个文件并没有加上调色板信息。它就是一个灰度图，灰度值对应类别id）可参考我之前写的文章。
• 是一个彩色mask标签文件（其实只要就够了），方便可视化。
• 就是把前景抠出来了，也是方便可视化，感觉没啥用。
• 是MS COCO的数据格式，具体参考我之前讲的MS COCO数据集文章，注意里面还包含了目标的bbox信息，即目标检测任务的信息（说明目标检测任务也能用）。

2.9其他

后续再补

3常用快捷键

这里接直接复制官方文档中的快捷键：