【GitHub项目推荐--15个推荐开源免费图像标注工具】【转载】

图像标注是向图像添加标签或注释的元数据，使图像上的内容具有上下文含义。这个过程在机器学习中具有重要意义，助于在训练视觉模型过程中准确地识别图像中的元素。

视觉模型最终的用途也非常广泛，例如，帮助车辆识别道路上的不同物体或障碍物、通过对医学图像的识别帮助疾病检测和诊断。

本文主要推荐一些较好的开源免费的图像标注工具。

01 Makesense.ai

http://makesense.ai/

https://github.com/SkalskiP/make-sense

Makesense.ai是一个免费的在线跨平台工具，用于标记照片，非常适合小型计算机视觉深度学习项目。它简化了数据集的准备，标签可以以多种格式下载。该应用程序使用TypeScript编写，基于React/Redux框架开发。它集成了YOLOv、在COCO数据集上预训练的SSD和PoseNet等先进的AI模型，可以自动化图像标注。其中AI功能基于TensorFlow.js框架，因为照片不需要传输到服务器，可确保数据隐私安全。

02 Labelme

https://github.com/labelmeai/labelme

Labelme是一个基于Python的图像标注工具，支持各种标注类型，并提供自定义GUI。可以导出VOC和COCO格式的数据集，用于语义和实例分割。

功能特征

• 支持多边形、矩形、圆形、直线、点和图像级标志注释

• 适用于Ubuntu、macOS和Windows

• 标注信息保存为JSON文件

• 高级用法示例

• 将标记分配给整个图像

• 将标注指定给单个面

03 Xtreme1

https://github.com/xtreme1-io/xtreme1

Xtreme1是一个用于标注多模式训练数据的开源平台，提高了数据注释、管理和本体管理的效率。其人工智能工具旨在提高2D/3D对象检测、3D实例分割和激光雷达相机融合项目的效率。

功能特征

• 支持图像、3D LiDAR和2D/3D传感器融合数据集的数据标注

• 内置预标记和交互式模型支持2D/3D对象检测、分割和分类

• 可配置的本体中心，用于一般类（具有层次结构）和属性，用于模型训练

• 数据管理和质量监测

• 查找和修复标签错误的工具

• 模型结果可视化以协助模型评估

• 用于大型语言模型的RLHF（beta版࿰