深度学习图像标注工具汇总

- 日理万妓 2022-06-02 11:21 999阅读 0赞

对于监督学习算法而言，数据决定了任务的上限，而算法只是在不断逼近这个上限。世界上最遥远的距离就是我们用同一个模型，但是却有不同的任务。但是数据标注是个耗时耗力的工作，下面介绍几个图像标注工具：

# 团队协同 #

## [CVAT][] ##

*  多用户在线协同
 *  用户管理，权限设置
 *  检测标注
 *  多目标跟踪标注
 *  分类，分割，关键点标注
 *  语音标注
 *  标注的便捷性（快捷键，N）
 *  是否支持辅助标注
 *  工作量统计  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoYWlwcDA2MDc_size_16_color_FFFFFF_t_70_pic_center]

## [LabelStudio][] ##

## [ScaLabel][] ##

## [MakeSense][] ##

*  多用户在线协同
 *  用户管理，权限设置
 *  检测标注
 *  多目标跟踪标注
 *  分类，分割，关键点标注
 *  语音标注
 *  标注的便捷性
 *  是否支持辅助标注
 *  工作量统计  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoYWlwcDA2MDc_size_16_color_FFFFFF_t_70_pic_center 3]

# 单机 #

## [Labelme][] ##

Labelme适用于图像分割任务的数据集制作：  
![这里写图片描述][3666d18f0fab4c586bf7485a50808387.png]  
该软件实现了最基本的分割数据标注工作，在save后将保持Object的一些信息到一个json文件中，如下：  
https://github.com/wkentaro/labelme/blob/master/static/apc2016\_obj3.json  
同时该软件提供了将json文件转化为labelimage的功能：  
![这里写图片描述][e239c0b82fc2fac902431dea5adba20a.png]

## [labelImg][] ##

Labelme适用于图像检测任务的数据集制作：  
![这里写图片描述][2baad5db526486b63e8792e7bb602e2f.png]  
其中标签存储功能和“Next Image”、“Prev Image”的设计使用起来比较方便。  
该软件最后保存的xml文件格式和ImageNet数据集是一样的。

## [yolo\_mark][yolo_mark] ##

yolo\_mark适用于图像检测任务的数据集制作：  
![这里写图片描述][e0b8905daef5cecb4e8b12a8904dbca9.png]  
它是yolo团队开源的一个图像标注工具，为了方便其他人使用yolo2训练自己的任务模型。在linux和win下都可运行，依赖opencv库。

## [Vatic][] ##

Vatic适用于图像检测任务的数据集制作：  
![这里写图片描述][ab85b197d476589149b5b1ec03e0a36f.png]  
比较特别的是，它可以做视频多目标跟踪的标注，比如一个25fps的视频，只需要隔100帧左右手动标注一下物体的位置，最后在整个视频中就能有比较好的效果。这依赖于软件集成的opencv的追踪算法。

## [Sloth][] ##

Sloth适用于图像检测任务的数据集制作：  
![这里写图片描述][866339a0a9163d9d159ffd5d3831bd68.png]  
https://cvhci.anthropomatik.kit.edu/~baeuml/projects/a-universal-labeling-tool-for-computer-vision-sloth/  
在标注label的时候，该软件可以存储标签，并呈现标注过的图片中的bbox列表。

## [Annotorious][] ##

Annotorious适用于图像检测任务的数据集制作：

![这里写图片描述][3d53132eb2f08578ecb8bd2a856b08b7.png]  
代码写的相当规范，提供了相应的API接口，方便直接修改和调用。

## [RectLabel][] ##

RectLabel适用于图像检测任务的数据集制作：

![这里写图片描述][ff8708a08a49c8b69c2077c72d9f3547.png]  
这是一个适用于Mac OS X的软件，而且可以在apple app store中直接下载。

## [VoTT][] ##

VoTT适用于图像检测任务的数据集制作：

![这里写图片描述][86b423cec855f09833eb2d6a06015887.png]  
微软的开源工具，既可以标注视频，也可以标注图片，而且支持已有模型的集成，功能强大。

## [IAT – Image Annotation Tool][IAT _ Image Annotation Tool] ##

IAT适用于图像分割任务的数据集制作：  
![这里写图片描述][909325486b6a93627e029060f98a4933.png]  
比较有特色的是，它支持一些基础形状的选择，比如要分割的物体是个圆形的，那么分割时可以直接选择圆形，而不是用多边形选点。

## [images\_annotation\_programme][images_annotation_programme] ##

images\_annotation\_programme适用于图像检测任务的数据集制作：  
![这里写图片描述][38fc06e1b0132591ee15461a1758a6ac.png]  
网页版的哦

除此之外，还有很多类似的工具，与上面的工具相比，并没有什么特色了，我们只给出链接，不详细介绍了：

## [ImageNet-Utils][] ##

## [labeld][] ##

## [VIA][] ##

## [ALT][] ##

## [FastAnnotationTool][] ##

## [LERA][] ##

[CVAT]: https://github.com/openvinotoolkit/cvat
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoYWlwcDA2MDc_size_16_color_FFFFFF_t_70_pic_center]: /images/20220602/cf32e590c34642919ab3abb4d3408f6c.png
[LabelStudio]: https://labelstud.io/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoYWlwcDA2MDc_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20220602/0be976d4039b491d928b9a7fd7acabb4.png
[ScaLabel]: https://www.scalabel.ai/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoYWlwcDA2MDc_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20220602/c5d332f3a3ce46c6affe021ebf0c9fb5.png
[MakeSense]: https://www.makesense.ai/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoYWlwcDA2MDc_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20220602/90ecad0ef03f4ec7aad8348686a7213b.png
[Labelme]: https://github.com/wkentaro/labelme
[3666d18f0fab4c586bf7485a50808387.png]: /images/20220602/81382e5842c24b37937591979e4ed59a.png
[e239c0b82fc2fac902431dea5adba20a.png]: /images/20220602/46e14b5ac80f4af599b5ca702ba0a465.png
[labelImg]: https://github.com/tzutalin/labelImg
[2baad5db526486b63e8792e7bb602e2f.png]: /images/20220602/5b49d3c31ef04fed84f8f6ca523ce1f3.png
[yolo_mark]: https://github.com/AlexeyAB/Yolo_mark
[e0b8905daef5cecb4e8b12a8904dbca9.png]: /images/20220602/4b06d76ed50c4b5b904d51e39952de36.png
[Vatic]: http://carlvondrick.com/vatic/
[ab85b197d476589149b5b1ec03e0a36f.png]: /images/20220602/93fe06f9ebfe42a3b3142a6a14871187.png
[Sloth]: https://github.com/cvhciKIT/sloth
[866339a0a9163d9d159ffd5d3831bd68.png]: /images/20220602/6b1c94284a584a5b9cf99f5e0c8b2205.png
[Annotorious]: http://annotorious.github.io/index.html
[3d53132eb2f08578ecb8bd2a856b08b7.png]: /images/20220602/2d236ff2a86244ee88ba9f8ceaf76a8e.png
[RectLabel]: https://rectlabel.com/
[ff8708a08a49c8b69c2077c72d9f3547.png]: /images/20220602/db69c03f89e84cbf9b51229a06db7256.png
[VoTT]: https://github.com/Microsoft/VoTT/
[86b423cec855f09833eb2d6a06015887.png]: /images/20220602/3776b913a3da44bd831df4c66af2717c.png
[IAT _ Image Annotation Tool]: http://www.ivl.disco.unimib.it/activities/imgann/
[909325486b6a93627e029060f98a4933.png]: /images/20220602/7bdca6fb7a3f486a838e59a9a38b92d4.png
[images_annotation_programme]: https://github.com/frederictost/images_annotation_programme
[38fc06e1b0132591ee15461a1758a6ac.png]: /images/20220602/a5b59a077b294a4faf60bd7c776ec776.png
[ImageNet-Utils]: https://github.com/tzutalin/ImageNet_Utils
[labeld]: https://github.com/sweppner/labeld
[VIA]: http://www.robots.ox.ac.uk/~vgg/software/via/
[ALT]: https://alpslabel.wordpress.com/2017/01/26/alt/
[FastAnnotationTool]: https://github.com/christopher5106/FastAnnotationTool
[LERA]: https://lear.inrialpes.fr/people/klaeser/software_image_annotation