计算机视觉中的图像标注工具总结

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

仅作学术分享，不代表本公众号立场，侵权联系删除

转载于：作者丨Dmitrii

labelme

地址：https://github.com/wkentaro/labelme

你可以用它做什么

labelme 是一个基于 python 的开源图像多边形标注工具，可用于手动标注图像以进行对象检测、分割和分类。它是在线 LabelMe 的离线分支，最近关闭了新用户注册选项。所以，在这篇文章中，我们只考虑 labelme（小写）。

该工具是具有直观用户界面的轻量级图形应用程序。使用 labelme，您可以创建：多边形、矩形、圆、线、点或线带。通常，能够以众所周知的格式（例如 COCO、YOLO 或 PASCAL VOL）导出注释以供后续使用通常很方便。但是，在 labelme 中，标签只能直接从应用程序保存为 JSON 文件。如果要使用其他格式，可以使用 labelme 存储库中的 Python 脚本将注释转换为 PASCAL VOL。尽管如此，它还是一个相当可靠的应用程序，具有用于手动图像标记和广泛的计算机视觉任务的简单功能。

安装和配置

labelme 是一个跨平台的应用程序，可以在多个系统上工作，例如 Windows、Ubuntu 或 macOS。安装本身非常简单，这里有很好的描述。例如，在 macOS 上，您需要在终端中运行以下命令：

1. 安装依赖：brew install pyqt

2. 安装labelme：pip install labelme

3. 运行 labelme：labelme

labelImg

地址：https://github.com/tzutalin/labelImg

你可以用它做什么

labelImg 是一种广泛使用的开源图形注释工具。它仅适用于目标定位或检测任务，并且只能在考虑的对象周围创建矩形框。尽管存在这种限制，我们还是建议使用此工具，因为该应用程序仅专注于创建尽可能简化工具的边界框。对于此任务，labelImg 具有所有必要的功能和方便的键盘快捷键。另一个优点是您可以以 3 种流行的注释格式保存/加载注释：PASCAL VOC、YOLO 和 CreateML。

安装和配置

这里对安装进行了很好的描述。还要注意 labelImg 是一个跨平台的应用程序。例如，对于 MacOS，需要在命令行上执行以下操作：

1. 安装依赖：先 brew install qt，然后 brew install libxml2

2. 选择要安装的文件夹的位置。

3. 当你在文件夹中时，运行以下命令：git clone https://github.com/tzutalin/labelImg.git, cd labelImg 然后 make qt5py3

4. 运行 labelImg：python3 labelImg.py

5. 开发人员强烈建议使用 Python 3 或更高版本和 PyQt5。

CVAT

地址：https://github.com/openvinotoolkit/cvat

你可以用它做什么

CVAT 是一种用于图像和视频的开源注释工具，用于对象检测、分割和分类等任务。要使用此工具，您无需在计算机上安装该应用程序。可以在线使用此工具的网络版本。您可以作为一个团队协作处理标记图像并在用户之间分配工作。还有一个很好的选择，它允许您使用预先训练的模型来自动标记您的数据，如果您使用 CVAT 仪表板中现有的可用模型，这可以简化最流行的类（例如，COCO 中包含的类）的过程。或者，您也可以使用自己的预训练模型。CVAT 具有我们已经考虑过的工具中最广泛的功能集。特别是，它允许您以大约 15 种不同的格式保存标签。可以在此处找到完整的格式列表。

hasty.ai

地址：https://hasty.ai/

你可以用它做什么

与上述所有工具不同，hasty.ai 不是免费的开源服务，但由于所谓的对象检测和分割的 AI 助手，它非常方便地标记数据。自动支持允许您显着加快注释过程，因为在标记期间辅助模型正在训练。换句话说，标记的图像越多，助手的工作就越准确。我们将在下面看一个例子来说明它是如何工作的。

您也可以免费试用此服务。该试验提供 3000 积分，足以为一个物体检测任务自动生成大约 3000 个物体的建议标签。

hasty.ai 允许您以 COCO 或 Pascal VOC 格式导出数据。您还可以作为一个团队处理单个项目并在项目设置中分配角色。

免费积分用完后，hasty.ai 仍然可以免费使用，但标记将完全由手动操作。在这种情况下，最好考虑上述免费工具。

配置

1. 要使用该工具，您需要在 hasty.ai 上注册。

2. 登录您的帐户。

3. 单击创建新项目。

4. 用名称和描述填写表单并导航到项目设置，您可以在其中定义考虑中的类，为该项目添加数据。

5. 此外，您可以添加其他用户来共同处理项目。积分将从共享项目的用户的帐户中使用。

原文地址：https://medium.com/dida-machine-learning/the-best-labeling-tools-for-computer-vision-bf4a9642f796

-------------------

END

--------------------

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~