计算机视觉领域的图像标注工具
当前位置：知识管理交流
→『 技术文档交流 』
标注产品既是服务深度学习的必要工具，也可以作为数据标注行业的生产支柱，如今的发展有两种趋势：智能化和平台化，抛开这两种趋势的产品逐步被取代，这篇文章盘点一些国内外值得推荐的标注产品。 LabelMeLabelMe 最早是由麻省理工学院 (MIT) 的计算机科学与人工智能实验室 (CSAIL) 于 2008 年发布的，类型覆盖了实例分割、语义分割、bbox标注、图片分类等，是标注领域中不得不提的元老。时至2024年8月，LabelMe 也不出意外的进入了商业化，发布了新版官网，集成了SAM、YOLO-World等模型，支持本地安装，但这些功能主要在Pro版本，入门版还是手动标注为主。
工具特性：
Make SenseMake Sense 是一款在线标注工具，于 2019 年发布。Make Sense 显著的优势是轻量化和清晰化，相比于 LabelMe 的传统 UI 界面，使用体验显著提升看，支持常见格式的导入、导出。值得一提的是, Make Sense 受到了 YOLOv5 和 Roboflow 的官方推荐。Make Sense 基于 Typescript 开发，同时有开源版本，但代码近两年没有更新，社区问题的响应率比较低。
工具特性：
T-Rex LabelT-Rex Label 是IDEA研究院（发布开集检测模型 Grounding DINO、T-Rex2 的团队）2024年最新发布的标注工具。不同于预训练模型辅助的 AI 标注（Make Sense），或者基于文本提示的智能标注（LabelMe Pro），T-Rex Label 是使用了一种视觉提示的标注方式。框选任意目标，就可以标注其他相似物体的bbox，这种方式对于难以用文本描述的物体标注尤为适用。T-Rex Label 的标注交互简单易用，上手成本很低。
工具特性：
VoTTVoTT（Visual Object Tagging Tool）是由微软开发的一款图像和视频标注工具，于2018 年发布。目前 VoTT 的最新版本是 V2，使用 TypeScript 编写。VoTT 主攻图像和视频帧的标注，进入工具后能感受到界面简单直观，功能模块清晰。VoTT 也支持与预训练模型的集成，自动生成标注，很适合大规模数据集的处理。VoTT 平台可以与多种数据源连接，包括本地文件系统和云存储，同时还支持自定义导入导出策略。
工具特性：
LabelULabelU 是一款综合性轻量级的标注工具，由 OpenDataLab 开发今年上半年推出。LabelU的优势是工具类型全面，甚至包括属性、立体框等工具，适合构建复杂的标注任务，建自己需求的标注界面。LabelU 目前没有集成智能标注的功能，但支持预标注数据的一键载入，用户可以根据实际需要对其进行细化和调整。
工具特性：
Label StudioLabel Studio 相信都不陌生，由 Heartex 基于 Python 语言开发，于2019年推出，是一个全面强大的数据标注平台。在 Label Studio 中，可以根据项目需求自定义标注界面、调整标注工具，设置好后使用起来很顺手。值得一提的是，Label Studio 提供了内置的质量控制机制，如标注审核和多标注员一致性检查，以确保标注数据的准确性和可靠性。
工具特性：
网址：labelstud.io SuperviselySupervisely 是一款基于 web 的数据标注平台，同样具有直观易用的 UI 设计。此外，Supervisely 更是一款名副其实的端到端数据标注和管理平台，可以在该平台上实现数据管理、自动化标注和团队协作的全流程功能。企业版还支持本地部署和 Python 应用程序自定义标注工作流，尤其适合需要进行大规模数据处理和数据类型复杂多样的项目团队。
工具特性：
LabelboxLabelbox 于 2018 年推出，同样是一个专业的在线数据标注平台。除了标注外，Labelbox 还支持大规模数据管理、模型分析等功能，赋能整个研究过程。此外，平台集成了 YOLOv8、GroundingDINO、SAM 等开源模型。但是，国内访问速度较慢，非企业版本的限制较多。
工具特性：
网址：labelbox.com 链接：https://juejin.cn/post/7412702063677472795 来源：稀土掘金 该文章在 2024/9/11 14:43:23 编辑过 |
关键字查询
相关文章
正在查询... 
|
400 186 1886
