目标检测标注工具箱

目标检测标注工具箱

汇总链接1：https://github.com/mingx9527/Data_Label_Tools

手动标注工具箱

1、LabelImg
code：https://github.com/tzutalin/labelImg

2、BBox-Label-Tool
code：https://github.com/puzzledqs/BBox-Label-Tool

3、Labelme（Python与QT）
code：https://github.com/wkentaro/labelme

4、RoLabelImg
code：github.com/cgvict/roLabelImg

5、Yolo_mark
code：https://github.com/AlexeyAB/Yolo_mark

6、video_labeler：视频标注
code：https://github.com/hahnyuan/video_labeler

Boobs
code：https://github.com/drainingsun/boobs
专属的YOLO BBox标注工具，支持图像数据标准为YOLO格式
现在也支持VOC/COCO格式数据导出
基于WEB方式的标注工具
支持下载zip包本地部署
无需服务器端支持，直接浏览器支持打开boobs.html即可开始数据标注
详见https://www.sohu.com/a/325816394_100007727

point-cloud-annotation-tool（点云标注工具）
code：https://github.com/springzfx/point-cloud-annotation-tool
3D点云数据标注神器
支持3D BOX框生成
支持KITTI-bin格式数据

半自动标注工具箱

1、 semi-auto-image-annotation-tool（2018）
code：https://github.com/virajmavani/semi-auto-image-annotation-tool
它以RetinaNet作为建议算法，使用预训练的RetinaNet模型从MS COCO数据集建议80个类对象。
问题1：Cannot use ‘filtered_detections/map/while/strided_slice_2’ as input to ‘filtered_detections/map/while/ones/packed’ because ‘filtered_detections/map/while/strided_slice_2’ is in a while loop. See info log for more details.
解决方案：将Keras2.3.1降为Keras2.2.5
参考链接：https://github.com/fizyr/keras-retinanet/issues/1118

2、Vatic（2012）
视频标注
code：https://github.com/cvondrick/vatic

精灵标注工具

http://www.jinglingbiaozhu.com/