摘要：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。
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。
然后进入 ComfyUI-Autodistill 目录，执行如下命令安装依赖包：
|
pip install -r requirements.txt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。
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EmptyDict节点定义一个空字典。
输出：
DictSetValue节点设置字典对象的键/值对。
来源：子良说汽车