本文来源公众号“OpenMMLab”,仅用于学术分享,侵权删,干货满满。
原文链接:不是吧?这么好用的开源标注工具,竟然还有人不知道…
在人工智能和机器学习领域,高质量的数据标注是模型训练的关键。正是基于这一需求,我们为您推荐LabelU,一个强大且易用的多模态数据标注工具,涵盖图像、视频、音频等多种类型的数据。LabelU不仅提供了丰富、灵活的标注功能,还支持多种格式的数据导出,可本地部署及二次开发“魔改”,让您的AI项目如虎添翼。
书生·浦语在处理大量的训练语料数据的过程中也用到了 LabelU。
书生·浦语开源项目链接:
https://github.com/InternLM/InternLM
LabelU 特色功能
01 多模态数据标注,支持80+主流算法场景
LabelU提供了多种标注功能,可广泛适用于文生视频、文生图片、文生音频、目标检测、分类、分割、关键点、折线、OCR等算法场景。具体有哪些呢:
● 基于图像,提供多功能图像处理工具,涵盖2D框、语义分割、多段线、关键点等多种标注工具,协助你轻松完成图像的标识、注释和分析。
● 基于视频,具备强大视频处理能力,可实现视频分割、视频分类、视频时间戳等功能,为模型训练提供高质量标注数据。
● 基于音频,提供高效精准的音频分析工具,能够进行音频分割、音频分类、音频时间戳等,更好地注释复杂的声音信息。
(图片立体框标注示意)
(视频片段分割标注示意)
02 灵活多元的标注工具,自定义配置
与常见的标注工具不同,LabelU提供了非常灵活、丰富和可自定义组合的标签工具,就像是一套为AI研究员量身打造的“积木”,每一位用户都能根据任务需求、标注习惯,定制自己独一无二的高效标注方案。
这些工具不仅包括多边形、矩形、立体框、线条、关键点等基本标注形状,还包括时间戳和片段分割等适用于音视频的标注工具;同时有文本、分类选项等多种打标形式可以选择。用户自由搭配好后,即可通过简单的拖放、快捷键等组合操作,快速完成从简单到复杂的各种标注项目,极大地提高标注效率和质量。
03 一键载入预标注
用大模型自动打标签已经成了热门方式。但自动打的标签,有时候还是存在错误,这就需要进行手动修正。LabelU提供了一个实用的解决方案,它让这个过程变得超级简单:你只需要把大模型预标注的JSONL文件,导入到LabelU里,就可以开始人工精修了。
这样一来,自动打标和人工修正的结合变得更加流畅,有效提高标注工作的质量和效率,帮你轻松应对各种数据标注任务。
04 支持多格式导出
标注完成后,LabelU提供标注结果一键导出功能,支持多种数据标注标准格式输出,包括但不限于JSON、COCO、MASK等格式(后续还将会支持VOC、TFRecord,以及MOT-CSV等格式),完美适配不同工具、算法、模型训练框架需求。
使用指南
LabelU以其优秀的功能吸引了广泛关注,然而,对初次尝试这款工具的用户而言,面对丰富的标注工具可能会感到困惑,不知道如何进行组合搭配。别担心,快速上手其实很简单——理解LabelU的标注工具分类是关键。
在LabelU中,根据与数据交互的方式,标注工具划分为两大类:“全局”和“标记”:
●“全局”标注工具:用于对标注对象进行宏观概述,不与细节交互,比如给出“天气状况”、“整体场景”等总体类别的标签。
●“标记”标注工具:用于进行精细化交互,对标注对象的特定部分或细节进行标示,根据不同的数据类型采取特定的操作,例如对视频或音频使用时间戳划分片段,或对图片进行打点、划线、框选、绘制多边形等。
选择好工具类别后,您会发现,不论是哪一种标注工具或交互方式,标签的打入都可以归结为“选项”或“文本描述”两种形式:
●选项(包括单选和多选):通常在“分类”属性中设置,您需要提前定义选项内容,在标注时通过下拉选择来勾选。
●文本描述:在“文本”属性中设置,标注时无需预设内容,根据需要进行填写。
掌握了这两个维度,您就可以自如地混合和匹配不同的标注工具,为整体场景或具体细节打上文本或选项标签。
此外,LabelU还提供了其它更丰富的标注属性配置,包括标签颜色、中英文标签ID、工具参数设置(如标点工具的点数范围、多边形的线型及闭合点数等)、适用于各种交互形式的通用标签,以及画布外的标注等, 简单易懂的,这里就不再赘述。
简而言之,LabelU为您提供了一个灵活且高效的数据标注平台,只需按照上述指南操作,即可轻松掌握并应用,快来试试吧。
如何部署与使用
LabelU提供了安装包,可本地部署使用,数据无需上传,保证数据的安全性和隐私性。尤其对于数据分布在多处,或者数据下发独立标注的场景,用它标注再合适不过了。
同时,LabelU代码完全开放,大家可基于各自业务需求,二次开发、集成,“魔改”更多玩法。LabelU本地部署与开发文档:
https://github.com/opendatalab/labelU/blob/main
另外LabelU提供了在线版可体验、使用,传送门:
● LabelU Demo体验:
https://opendatalab.github.io/labelU-Kit/#/image
● LabelU 在线使用:
https://labelu.shlab.tech/tasks
(注意:LabelU在线版,每日凌晨数据将自动清空,请及时备份重要数据。如需完整使用,建议本地部署)
THE END !
文章结束,感谢阅读。您的点赞,收藏,评论是我继续更新的动力。大家有推荐的公众号可以评论区留言,共同学习,一起进步。