15个推荐开源免费图像标注工具

图像标注是向图像添加标签或注释的元数据，使图像上的内容具有上下文含义。这个过程在机器学习中具有重要意义，助于在训练视觉模型过程中准确地识别图像中的元素。

视觉模型最终的用途也非常广泛，例如，帮助车辆识别道路上的不同物体或障碍物、通过对医学图像的识别帮助疾病检测和诊断。

本文主要推荐一些较好的开源免费的图像标注工具。

http://makesense.ai/

https://github.com/SkalskiP/make-sense

https://github.com/labelmeai/labelme

Labelme是一个基于Python的图像标注工具，支持各种标注类型，并提供自定义GUI。可以导出VOC和COCO格式的数据集，用于语义和实例分割。

功能特征

• 支持多边形、矩形、圆形、直线、点和图像级标志注释

• 适用于Ubuntu、macOS和Windows

• 标注信息保存为JSON文件

• 高级用法示例

• 将标记分配给整个图像

• 将标注指定给单个面

03

Xtreme1

https://github.com/xtreme1-io/xtreme1

Xtreme1是一个用于标注多模式训练数据的开源平台，提高了数据注释、管理和本体管理的效率。其人工智能工具旨在提高2D/3D对象检测、3D实例分割和激光雷达相机融合项目的效率。

功能特征

• 支持图像、3D LiDAR和2D/3D传感器融合数据集的数据标注

• 内置预标记和交互式模型支持2D/3D对象检测、分割和分类

• 可配置的本体中心，用于一般类（具有层次结构）和属性，用于模型训练

• 数据管理和质量监测

• 查找和修复标签错误的工具

• 模型结果可视化以协助模型评估

• 用于大型语言模型的RLHF（beta版）

• 易于使用Docker或从源代码安装

04

Label Studio

https://github.com/HumanSignal/label-studio

Label Studio是一个可用于标记数据类型（如：

音频、文本、图像、视频和时间序列）的开源工具。

它具有友好的用户界面，可以导出标准化格式的数据，支持集成机器学习模型，并可针对特定项目进行定制。

它基于Apache-2.0开源许可证。

05

LOST

https://github.com/l3p-cv/lost

LOST（Label Object and Save Time）是一个基于Web的图像协同标注工具。它提供了预先构建的注释管道，无需编程知识即可进行即时图像注释，但也允许用户定义注释管道。

该应用程序是可扩展的，可以轻松连接到外部文件系统，如S3 Bucket或Azure Blobstorage。可以在本地或Web服务器上设置，并支持组织建立标签树，监控标注过程和浏览器内标注。

关键特征

• 基于Web的协同图像标注框架

• 用于即时图像注释的预构建注释管道

• 自定义的标注管道

• 可扩展的应用

• 轻松连接到外部文件系统，如S3 Bucket或Azure Blobstorage

• 在浏览器中实现标注过程的可视化

• 可在本地或Web服务器上进行配置

• 支持组织标签树

• 监控标注过程

• 支持在浏览器内标注

• 能够对半自动标注管道进行建模

• 标注建议生成

• 单图像标注工具（SIA），用于标注bbox、多边形、点或线

• 多图像标注工具（MIA），用于标注整个图像簇

• 导出标注函数

• 基于个人和项目的标注统计

• 用于标签组织的彩色标签树

• 查看标注功

• 管道项目进出口

• 管道项目共享

• 集成Jupyter-Lab，轻松开发流水线

• LDAP集成

• 电子邮件通知

• 可扩展设计，跨多台机器分布密集型计算过程

06

CVAT

https://github.com/opencv/cvat

CVAT（Computer Vision Annotation Tool ）是一种用于视频和图像标注的交互式工具，在计算机视觉中广泛使用。它支持以数据为中心的人工智能方法，可以免费在线使用，也可以订阅其他功能。CVAT也可以私有化安装，并为高级功能提供企业支持。

07

Gromit-MPX

https://github.com/bk138/gromit-mpx

Gromit-MPX是一个Unix桌面环境下的标注工具，用户可以直接在屏幕上绘制，突出显示感兴趣的点来增强演示文稿。

08

MyVision

https://github.com/OvidijusParsiunas/myvision

功能特征

• 为对象标注绘制边界框和多边形

• 使用要素进行面操作以编辑、移除和添加新点

• 支持各种数据集格式

• 支持使用“COCO-SSD”模型自动标注

• 在本地运行以维护数据隐私

• 允许导入和继续处理现有批注项目

• 可用于将数据集从一种格式转换为另一种格式

09

LabelImg

https://github.com/HumanSignal/labelImg

LabelImg是一个流行的图像标注工具，目前已加入Label Studio社区，不再积极开发。Label Studio是一个灵活的开源数据标签工具，适用于各种类型的数据，包括图像，文本，音频，视频和时间序列数据。

LabelImg中的标注信息以PASCAL VOC格式保存，另外，它还支持YOLO和XML格式。

10

Coco Annotator

https://github.com/jsbroks/coco-annotator

COCO Annotator是一个基于Web的高效且多功能的图像标记工具，旨在为训练图像定位和对象检测创建数据集。

它提供的功能包括段标记、对象实例跟踪以及标记具有断开连接的可见部分的对象。它通过直观和可定制的界面以COCO格式存储和导出注释。

功能特征

• 基于We的工具

• 高效和通用的图像标记

• 专为图像定位和物体检测的训练数据创建而设计

• 段标号

• 对象实例跟踪

• 标记具有断开的可见部分的对象

• 以COCO格式存储和导出注释

• 直观和可定制的界面

• 允许用户手动定义图像中的区域

• 创建文本说明

• 通过边界框、遮罩工具或标记点进行对象标记

• 自由形式曲线或多边形标注

• 直接导出为COCO格式

• 分割对象的

• 添加关键点的能力

• 用于数据分析的有用API端点

• 导入COCO格式的数据集

• 将断开连接的对象标注为单个实例

• 同时使用任意数量的标签标记图像片段

• 允许为每个实例或对象自定义元数据

• 高级选择工具，如DEXTR、MaskRCNN和Magic Wand

• 用半训练模型标注图像

• 使用Google图像生成数据集

• 用户认证系统

Universal Data Tool

https://github.com/UniversalDataTool/universal-data-tool

Universal Data Tool是一个多功能的应用程序，用于编辑和标注图像、文本、音频和文档等数据类型。它支持图像分割、文本分类和音频转录等任务。该工具支持实时协作，可运行于各种平台，并支持多种数据格式。

12

RectLabel

https://github.com/ryouchinsa/Rectlabel-support

Label是一个离线图像标注工具，可用于对象检测和分割。

关键特征

• 使用Segment Anything模型标记面和像素

• 使用Core ML模型自动标记

• 行和词的自动文本识别

• 使用孔标记面

• 标注三次贝塞尔曲线、线段和点

• 航空影像中面向标签的边界框

• 使用骨架标记关键点

• 使用画笔和超像素标记像素

• 快速设置对象、属性、热键和标签

• 在图库视图中搜索对象、属性和图像名称

• 导出为COCO、Labelme、COML、YOLO、DOTA和CSV格式

• 导出索引颜色蒙版图像和灰度蒙版图像

• 视频到图像帧、增强图像等。

13

OpenLabeling

https://github.com/Cartucho/OpenLabeling

OpenLabeling是一个用于标注图像和视频的开源工具。它支持PASCAL VOC和YOLO Darknet等多种格式。

该工具已被用于：深度学习对象检测模型、用于视觉对象跟踪的干扰感知Siamese网络、边界框跟踪和用于视频对象跟踪的OpenCV跟踪器。

14

bbox-visualizer

https://github.com/shoumikchow/bbox-visualizer

bbox-visualizer可以帮助用户在对象周围绘制边界框，消除了对标签定位的复杂数学计算的需要。它提供了各种可视化类型，用于在识别后标记对象。边界框点的数据格式为：(xmin, ymin, xmax, ymax)。

15

PixelAnnotationTool

https://github.com/abreheret/PixelAnnotationTool

PixelAnnotationTool是一个可以使用OpenCV的分水岭算法快速手动注释目录中图像的工具。

用户可以用画笔手动标记区域，然后启动算法。如果初始分割需要校正，用户可以在错误区域上重新绘制新的区域标注。

原文始发于微信公众号（andflow）：15个推荐开源免费图像标注工具