总结 | 计算机视觉中的图像标注工具
一个专注于计算机视觉与机器学习知识分享的公众号
转载自 | CV技术指南
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：
-
安装依赖：brew install pyqt -
安装labelme：pip install labelme -
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：
-
安装依赖：先 brew install qt，然后 brew install libxml2 -
选择要安装的文件夹的位置。 -
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 -
运行 labelImg：python3 labelImg.py -
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
配置
-
要使用该工具，您需要在 hasty.ai 上注册。 -
登录您的帐户。 -
单击创建新项目。 -
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。 -
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