README

这是 BIIGLE 模块，用于 机器学习辅助图像标注 方法。

安装

1. 运行 composer require biigle/maia。
2. 使用 pip install -r requirements.txt 安装 Python 依赖项。
3. 将 Biigle\Modules\Maia\MaiaServiceProvider::class 添加到 config/app.php 中的 providers 数组。
4. 运行 php artisan vendor:publish --tag=public 发布此模块的公共资产。
5. 运行 docker-compose exec app php artisan migrate 创建新的数据库表。
6. 为训练提案和标注候选修补程序分别配置存储磁盘。将 MAIA_TRAINING_PROPOSAL_STORAGE_DISK 和 MAIA_ANNOTATION_CANDIDATE_STORAGE_DISK 变量设置在 .env 文件中，分别对应存储磁盘的名称。不要使用相同的磁盘！存储磁盘的内容应该是公开可访问的。例如，对于本地磁盘

   // MAIA_TRAINING_PROPOSAL_STORAGE_DISK
   'maia-tp' => [
       'driver' => 'local',
       'root' => storage_path('app/public/maia-tp-patches'),
       'url' => env('APP_URL').'/storage/maia-tp-patches',
       'visibility' => 'public',
   ],
   // MAIA_ANNOTATION_CANDIDATE_STORAGE_DISK
   'maia-ac' => [
       'driver' => 'local',
       'root' => storage_path('app/public/maia-ac-patches'),
       'url' => env('APP_URL').'/storage/maia-ac-patches',
       'visibility' => 'public',
   ],

   这需要在 public 目录中的 storage 目录下创建链接 storage -> ../storage/app/public。

配置

新处理作业提交到 gpu 连接的 default 队列。您可以使用环境变量 MAIA_JOB_QUEUE 和 MAIA_JOB_CONNECTION 配置这些作业。可选地，您可以使用 MAIA_FEATURE_VECTOR_QUEUE 配置一个不同的队列（但不能是连接）来生成特征向量作业。这可以用于给生成特征向量的作业更高的优先级。

参考文献

如果您在您的研究中使用 MAIA，请引用以下参考文献。

• BIIGLE 2.0 Langenkämper, D.，Zurowietz, M.，Schoening, T.，& Nattkemper, T. W.（2017）. Biigle 2.0-browsing and annotating large marine image collections. Frontiers in Marine Science, 4, 83. doi: 10.3389/fmars.2017.00083

• MAIA Zurowietz, M.，Langenkämper, D.，Hosking, B.，Ruhl, H. A.，& Nattkemper, T. W.（2018）. MAIA—A machine learning assisted image annotation method for environmental monitoring and exploration. PloS one, 13(11), e0207498. doi: 10.1371/journal.pone.0207498

开发

查看核心存储库的 开发指南 以开始开发设置。

想要开发新的模块？请访问 biigle/module 模板存储库。

贡献和错误报告

欢迎为 BIIGLE 做贡献。查看 贡献指南 以开始。