1.Label Studio:是一个开源数据标记工具。它允许你使用简单直观的UI来标记音频、文本、图像、视频和时间序列等数据类型,并导出为各种模型格式。它可用于准备原始数据或改进现有训练数据以获得更准确的机器学习模型。源码地址:https://github.com/HumanSignal/label-studio/ ,最新发布版本为1.11.0,License为Apache-2.0
2.LabelImg:是一个图形图像标注工具,是用Python编写,并使用Qt作为其图形界面。源码地址:https://github.com/HumanSignal/labelImg ,最新发布版本为v1.8.1,License为MIT。LabelImg现在是Label Studio社区的一部分,该存储库已由所有者于2024年2月29日存档,它现在是只读的
3.Diffgram:用于模式、BLOBs和预测的AI数据存储。与你的应用程序一起使用或集成内置的人工监督、数据工作流和UI目录,以从AI数据中获得最大价值。源码地址:https://github.com/diffgram/diffgram ,最新发布版本为1.25.0,License: 许可方授予你非独占、免版税、全球性、不可转让的许可
4.CVAT:Computer Vision Annotation Tool,是一种用于计算机视觉的交互式视频和图像标注工具。源码地址:https://github.com/cvat-ai/cvat ,最新发布版本为v2.11.3,License为MIT
5.ImageTagger:是一个用于标记图像数据的协作在线工具。源码地址:https://github.com/bit-bots/imagetagger ,最新发布版本为v0.6,License为MIT
6.LabelMe:使用Python实现,并使用Qt作为其图形界面,进行图像多边形标注(多边形、矩形、圆形、直线、点和图像级标志标注)。源码地址:https://github.com/labelmeai/labelme ,最新发布版本为v5.4.1,它遵循GNU通用公共许可证的条款
7.VIA:VGG Image Annotator,是一款简单且独立的图像、音频和视频手动标注软件。VIA在网络浏览器中运行,不需要任何安装或设置。VIA是一个完全基于 HTML、Javascript和CSS的开源项目(不依赖于外部库)。源码地址:https://github.com/ox-vgg/via ,有3年未更新,最新发布版本为3.0.10,License为BSD-2
8.Make Sense:是一款免费使用的在线照片标签工具。由于使用浏览器,因此不需要任何复杂的安装--只需访问网站即可开始使用。它非常适合小型计算机视觉深度学习项目,使准备数据集的过程变得更加容易和快捷。准备好的标签可以以多种受支持的格式之一下载。该应用程序是用TypeScript编写。源码地址:https://github.com/SkalskiP/make-sense ,最新发布版本为1.11.0-alpha,License为GPL-3.0
9.COCO Annotator:是一款基于Web的图像标注工具,旨在实现多功能性并有效地标记图像,以创建用于图像定位和对象检测的训练数据。它提供了许多独特的功能,包括标记图像片段(或片段的一部分)、跟踪对象实例、用断开的可见部分标记对象、以众所周知的COCO格式高效存储和导出标注的能力。标注过程通过直观且可定制的界面提供,并提供许多用于创建准确数据集的工具。源码地址:https://github.com/jsbroks/coco-annotator ,有2年未更新,最新发布版本为v0.11.1,License为MIT
10.VoTT:用于图像和视频资产的开源标注和标签工具。源码地址:https://github.com/microsoft/VoTT ,最新发布版本为v2.2.0,License为MIT。该存储库已由所有者于2021年12月7日存档,它现在是只读的
11.Pixel Annotation Tool:手动快速标注目录中图像的工具。该方法是伪手动的,因为它使用了OpenCV标记的算法分水岭。源码地址:https://github.com/abreheret/PixelAnnotationTool ,有2年未更新,最新发布版本为1.5.0,License为LGPL-3.0
12.Scalabel:基于Web的多功能可视化数据标注工具,支持2D和3D数据标记。源码地址:https://github.com/scalabel/scalabel ,最新发布版本为0.3.0,License为Apache-2.0
13.RectLabel:是一款用于对象检测和分割的离线图像标注工具。源码地址:https://github.com/ryouchinsa/Rectlabel-support ,还未发布版本,也未注明License
14.imglab:一种基于web的工具,用于标记物体图像,可用于训练dlib或其他物体检测器。源码地址:https://github.com/NaturalIntelligence/imglab ,还未发布版本,License为MIT
15.doccano:面向机器学习从业者的开源文本标注工具。它为文本分类、序列标记和序列到序列任务提供标注功能。你可以创建用于情感分析、命名实体识别、文本摘要等的标记数据。只需创建一个项目,上传数据,然后开始标注。源码地址:https://github.com/doccano/doccano ,最新发布版本为v1.8.4,License为MIT
16.audino:开源音频标注工具,它提供转录和标记等功能,支持语音活动检测(VAD)、分类、说话人识别、自动语音识别、情绪识别任务等标注。源码地址:https://github.com/midas-research/audino ,最新发布版本为v0.1.0,License为MIT