图像标注工具汇总目标检测标注工具图像分割标注工具

对于监督学习算法而言，数据决定了任务的上限，而算法只是在不断逼近这个上限。世界上最遥远的距离就是我们用同一个模型，但是却有不同的任务。但是数据标注是个耗时耗力的工作，下面介绍几个图像标注工具：

Labelme

Labelme适用于图像分割任务的数据集制作：

labelImg

Labelme适用于图像检测任务的数据集制作：

yolo_mark

yolo_mark适用于图像检测任务的数据集制作：

Vatic

Vatic适用于图像检测任务的数据集制作：

Sloth

Sloth适用于图像检测任务的数据集制作：

Annotorious

Annotorious适用于图像检测任务的数据集制作：

它来自下面的项目：
http://annotorious.github.io/index.html
代码写的相当规范，提供了相应的API接口，方便直接修改和调用。

RectLabel

RectLabel适用于图像检测任务的数据集制作：

它来自下面的项目：
https://rectlabel.com/
这是一个适用于Mac OS X的软件，而且可以在apple app store中直接下载。

VoTT

VoTT适用于图像检测任务的数据集制作：

它来自下面的项目：
https://github.com/Microsoft/VoTT/
微软的开源工具，既可以标注视频，也可以标注图片，而且支持已有模型的集成，功能强大。

IAT – Image Annotation Tool

IAT适用于图像分割任务的数据集制作：

images_annotation_programme

images_annotation_programme适用于图像检测任务的数据集制作：

页版的哦

除此之外，还有很多类似的工具，与上面的工具相比，并没有什么特色了，我们只给出链接，不详细介绍了：

ImageNet-Utils

https://github.com/tzutalin/ImageNet_Utils

labeld

https://github.com/sweppner/labeld

VIA

http://www.robots.ox.ac.uk/~vgg/software/via/

ALT

Alp’s Labeling Tool (ALT)

FastAnnotationTool

https://github.com/christopher5106/FastAnnotationTool

LERA

https://lear.inrialpes.fr/people/klaeser/software_image_annotation