第三方图像打标系统汇总

• Labelbox
  • labelbox是一款多功能数据标注工具，支持图像分割、图像分类、文本分类标注，操作方便、快捷、实用，应用广泛。（具体部署方法未知，国外服务器登录困难）
  • https://github.com/Labelbox/Labelbox
• ImageSegmentation
  • ImageSegmentation是基于python的图像分割标注工具，操作方便实用。（智能扣图，不支持多边形）
  • https://github.com/AKSHAYUBHAT/ImageSegmentation
• opensurfaces-segmentation-ui
  • opensurfaces-segmentation-ui是基于python的图像分割标注工具，操作方便实用。（支持多边形，但不支持修改，也不支持删除点）
  • https://github.com/seanbell/opensurfaces-segmentation-ui
• labelImgPlus
  • labelImgPlus是labelImg的升级版，支持图像分割、图像分类、目标检测标注，操作方便，通用性极强，应用广泛。（又windows版本，支持多边形和画笔，但运行不了，需要进一步调试）
  • https://github.com/lzx1413/labelImgPlus
• CVAT
  • CVAT是用于计算机视觉的免费，在线，交互式视频和图像注释工具。我们的团队正在使用它来注释百万个具有不同属性的对象。（国外平台，支持矩形、多边形、折线、关键点，但似乎不支持加点）
  • https://github.com/opencv/cvat
• VOTT
  • 用于图像和视频资产的开源注释和标签工具。（可以直接安装，支持矩形，支持多边形，支持加载函数，但不支持带标注的数据导入）
  • https://github.com/microsoft/VoTT
• coco-annotator
  • COCO Annotator是基于Web的图像注释工具，旨在多功能性和有效地标记图像以创建用于图像定位和目标检测的训练数据。(支持导入数据，修改，支持本地化部署，有一定的用户管理功能)
  • https://github.com/jsbroks/coco-annotator
• dataset-annotator
  • 用于注释图像数据集的工具。（可以在本地直接安装，但是无法上传带有标注的数据）
  • GitHub - omenyayl/dataset-annotator: Scalable, cross-platform ion-electron app that allows the user to annotate an image dataset.
• imglab
  • 一个基于Web的工具，用于标记对象的图像，可用于训练dlib或其他对象检测器。(只能导入图片，无法导入数据，且多边形成型后只能修改大小)
  • https://github.com/NaturalIntelligence/imglab
• imagetagger
  • 这是用于标记图像数据的协作在线工具。(支持多边形，支持矩形，支持团队协作，是否可导入带标签数据不确定)
  • GitHub - bit-bots/imagetagger: An open source online platform for collaborative image labeling
• MedTagger
  • 使用众包为医疗数据集添加注释的协作框架。
  • https://github.com/medtagger/MedTagger
• make-sense
  • makesense.ai是可免费使用的在线标签照片工具。
  • GitHub - SkalskiP/make-sense: Free to use online tool for labelling photos. https://makesense.ai
• lost （重点关注）
  • 在基于Web的环境中设计自己的智能图像注释流程。（后发现随机遗失数据问题）
  • https://github.com/l3p-cv/lost
• via
  • 纯前端编写的免费数据标注平台（支持修改，支持多边形，支持带标注的数据，没有任何团队协作功能）
  • https://github.com/ox-vgg/via
• Dataturks
  • Dataturks支持ML项目的数据项的端到端标记，例如视频，图像（分类，分段和标签）和文本（PDF，Doc，Text等的全长文档注释。
  • https://dataturks.com/pricing.php

 

---很长一段时间没有在csdn中写文章了，事实上后面自己学习过程中的大部分文档都是在语雀中完成的，基本都是自己写自己看。后续文章都会分享到自己的个人博客上，感兴趣的话可以关注一下。[个人博客地址](https://chenshaolang.gitee.io/personal-blog/)