效率与质量齐飞，标注工具全面横屏

目录

标注的重要性

页端

跨平台

windows

标注的重要性

人工智能的发展过程中，数据、算力、算法缺一不可。目前，深度学习是AI的主流算法，训练数据在深度学习训练中起到重要作用。很多情况下，“大量数据+普通模型”比“小量数据+高级模型”的准确度要高。

在标注速度方面，还要利用深度学习的模型辅助标注，降低人工劳动重复率。在标注时，平台的智能识别功能可以对物体边界进行高贴合度的分割，标注者只需要对标注数据进行选点即可框出物体。这一功能能将标注效率提升50%-80%。

页端

 Label Studio  使用方法 【yoloV5实战记录】小白也能训练自己的数据集！

• 跨平台开源多任务协作标，用户在线协同、用户管理，权限设置
• 检测标注、分类，分割，关键点标注
• 支持辅助标注
• 工作量统计

PaddleLabel: 百度出品 强大的CV智能标注工具PaddleLabel强势来袭

PaddleLabel的强大之处在于，它不仅提供丰富的手工标注功能，还能依托飞桨丰富强大的智能标注模型为降低标注成本。手动标注和智能标注相结合，让标注工作在追求速度的同时更能同时兼顾到精度的需求

• 简单 手动标注直观易操作，上手成本极低。
• 高效 支持交互式分割和预标注，标注精度及效率提升显著。
• 灵活 分类支持单分类和多分类的标注，分割支持多边形、笔刷及交互式分割等多种功能，方便用户根据场景需求切换标注方式。
• 全流程 与其他飞桨套件密切配合，方便用户完成数据标注、模型训练、模型导出等全流程操作。

labelbee 商汤出品

全平台支持：Mac / Linux / Windows，开箱即用，内置 6 款通用的标注工具，仅需简单配置即可标注支持通用数据，COCO 格式导出，语义分割 Mask 导出

• 目标检测：车辆、车牌、行人、人脸、工业部件等检测场景
• 目标分类：检测对象分类、目标特征、是非判断等分类场景
• 语义分割：人体分割、全景分割、可行驶区域分割、车辆分割等
• 文本转写：车牌、发票、保单、招牌等文本检测和识别
• 轮廓线检测：人体轮廓线、车道线等定位线场景
• 关键点检测：人脸人体关键点、车辆关键点、路沿关键点等定位场景

Make Sense:

CVAT: opencv官方出品工具 使用教程

优点：

• 它很容易安装和扩展，因为它是一个运行在 Docker 中的 Web 应用程序
• 它包含了许多自动化工具（如使用 TensorFlow 物体检测 API 的自动标注、视频插值……）
• 它允许协同工作管理，这样团队中的不同成员就可以在同一个标注任务上协同工作

缺点：

• UI 相当复杂。例如，对于初次设置标注任务的用户而言，这可能会非常棘手
• 一开始用起来不是很直观，可能需要几天的时间来掌握

跨平台

labelme: 支持点、线、分割等的标注，跨平台且支持python2.&和3.*，详见labelme 使用教程

• 优点：跨平台，安装方便使用简单
• 缺点：只支持矩形框的标注

roLabelImg:支持旋转矩形标注的工具

labelImg:基于python开发的标注工具

VoTT: 微软开发

提供了非常棒的用户体验，这可能会在你标注时为你节省大量的时间和精力，但是BUG很多，经常崩溃，目前已经没人维护了。

优点：

• 代码写得非常好（在 React 中），并且完美地定义了接口，因此获取代码和添加所需的额外功能都很容易
• 正如我所说的，UX 是完美的，它有一个黑色的主题和一个跟随鼠标的虚线 格，所以很容易知道从哪里开始标注一个边界框。这看起来像是一种额外嘉奖，但是相信我，这对于标注来说真的很重要！
• 它提出使用深度学习算法来自动检测对象（它附带了在 COCO 数据集上训练的 SSD 模型）
• 它是一个 web 应用程序和一个电子应用程序。这使你可以将它作为一个重客户端使用，也可以将它作为 web 浏览器中运行的应用程序来使用

缺点：

• 要使用 web 应用程序版本，你需要将数据托管在微软的云计算服务 Azure 上（然而，电子版应用程序允许你在硬盘上使用数据，但需要使用 npm 安装程序）
• 它没有提供一个内置的 API（但是，通过调整代码，使你的私有 API 能够与之通信，这是非常容易的）
• 你不能给整张图片贴标签：你只被允许绘制带有相关标签的边界框（或多边形）。

VGG Image Annotator (VIA)一款开源的图像标注工具，由Visual Geometry Group开发。可以在线和离线使用，可标注矩形、圆、椭圆、多边形、点和线。标注完成后，可以导出为csv和json文件格式。使用教程

优点

1.人脸数据标注提供了各种方便的操作，人脸数据标注首选工具

2. 页源代码开源，可离线使用还可进行二次开发，比如增加鼠标十字线

3.标框可以复制（可前后帧复制），同样大小可直接复制且继承属性

不足

多边形工具，一旦绘制完多边形无法增加锚点，只能调节点的位置

yolo_mark：用于图像检测任务的数据集制作

windows

MRLabeler:如果只在windows下用的话首推我的工具，上手快，有校验脚本，可大大减轻工作量

其他工具 

semantic-segmentation-editor日立旗下，可用于分割、框等的标注，配置略繁琐，教程少

annotation_tools:coco数据集标注工具, 2年多没更新

od-annotation采用python-flask框架开发，基于B/S方式交互，支持多人同时标注Note:不支持手动调整矩形框大小，界面略简陋

dataset-annotator:Scalable, cross-platform ion-electron app that allows the user to annotate an image dataset.

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树首页概览212576 人正在系统学习中