精华内容
下载资源
问答
  • 深度学习/机器学习图像标注工具

    千次阅读 2018-11-06 13:41:23
    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: Labelme Labelme适用于图像分割任务的数据集制作:  它来自下面的项目:https://github.com/wkentaro/labelme  该软件实现了最基本的分割数据标注...

    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:

    Labelme

    Labelme适用于图像分割任务的数据集制作: 
    这里写图片描述
    它来自下面的项目:https://github.com/wkentaro/labelme 
    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

    labelImg

    Labelme适用于图像检测任务的数据集制作: 
    这里写图片描述 
    它来自下面的项目:https://github.com/tzutalin/labelImg 
    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适用于图像检测任务的数据集制作: 
    这里写图片描述
    它来自于下面的项目:https://github.com/AlexeyAB/Yolo_mark 
    它是yolo2的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 
    它来自下面的项目:http://carlvondrick.com/vatic/ 
    比较特别的是,它可以做视频的标注,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 
    它来自下面的项目: 
    https://github.com/cvhciKIT/sloth 
    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

    它来自下面的项目: 
    http://annotorious.github.io/index.html 
    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

    它来自下面的项目: 
    https://rectlabel.com/ 
    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

    它来自下面的项目: 
    https://github.com/Microsoft/VoTT/ 
    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适用于图像分割任务的数据集制作: 
    这里写图片描述 
    它来自下面的项目: 
    http://www.ivl.disco.unimib.it/activities/imgann/ 
    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适用于图像检测任务的数据集制作: 
    这里写图片描述
    它来自下面的项目: 
    https://github.com/frederictost/images_annotation_programme

    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

    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

     

    原文地址:https://blog.csdn.net/chaipp0607/article/details/79036312

    展开全文
  • 对于监督学习算法而言,需要大量的结构化的数据集,这就涉及到数据标注,本文主要介绍图像标注工具。 先说一下图片类数据的标注方式主要是画框、语义分割、打点、四边形转写、属性标注、画线。 其实很多人都已经...

    对于监督学习算法而言,需要大量的结构化的数据集,这就涉及到数据标注,本文主要介绍图像标注工具。

    先说一下图片类数据的标注方式主要是画框、语义分割、打点、四边形转写、属性标注、画线。

    其实很多人都已经推荐过了,但是有很多开源的标注工具并不好用,反而增加了标注的时间成本。以下我推荐的都是亲测好用的,大家可以尝试一下:

     

    国外:

    Supervisely

    https://app.supervise.ly

    优点:界面十分友好,图像标注方式也很齐全,支持画框、语义分割、打点、画线,并且支持半自动化的快速标注。

    缺点:可配置的标签比较基础,稍微复杂一点的就无法满足需求了,而且对于语义分割这种需要高精度的像素级分割需求时,就显得比较弱了,除此之外网站访问也比较慢。

     

    LabelMe

    http://labelme2.csail.mit.edu

    优点:支持画框和语义分割,而且语义分割的这种半自动化标注的效果真的十分优秀呀!

    缺点:图片标注工具的操作有点让人看不太懂,而且无法配置标签,只能每次标注完手动输入,也不适合团队协作。

     

     

     

    国内:

    精灵标注助手

    http://www.jinglingbiaozhu.com/

    这个人应该很多人都知道了,是一个图片标注软件。

    优点:图片标注类型很全,大部分的操作都支持,支持简单配置,界面也很友好,容易学会

    缺点:数据只能线下读取,这样的话如果多个人做一个项目,得把一个项目的数据分成很多分,再每个人自己上传;稍复杂的需求无法满足,较少有高阶功能,基础功能较多。

     

    京东众智

    京东众智最近推出的Wise开放标注平台也具有十分强的工具属性,功能更多,可配置的项目非常完善。支持绝大部分的图片标注项目。

    优点:2D画框可限制最小框的像素;语义分割支持共边,有效提高数据标注的效率和质量;图片筛选支持配置单选/多选、必选/非必选;四边形转写支持快速定位等。这些功能都十分实用。

    除了图片标注工具可以自定义外,京东众智同时支持自选标注团队、线上项目验收等。

    特别要说明的是,目前使用京东众智的Wise开放标注平台发布项目全免工具使用费!

    展开全文
  • 机器学习——数据标注工具使用

    万次阅读 2017-07-05 15:33:54
    “Open Dir”打开图片文件夹,选择第一张图片开始进行标注,使用“Create RectBox”或者“Ctrl+N”开始画框,单击结束画框,再双击选择类别。完成一张图片后点击“Save”保存,此时XML文件已经保存到本地了。点击...

    LabelImg

    源码编译教程
    LabelImg_github
    Windows_Linux打包软件

    使用方法

    Steps

    • Click ‘Change default saved annotation folder’ in Menu/File
    • Click ‘Open Dir’
    • Click ‘Create RectBox’
    • Click and release left mouse to select a region to annotate
      the rect box
    • You can use right mouse to drag the rect box to copy or move it

    一些注意事项

    • 修改默认的XML文件保存位置,使用快捷键“Ctrl+R”,改为自定义位置,这里的路径一定不能包含中文,否则无法保存。
    • 源码文件夹中使用notepad++打开data/predefined_classes.txt,修改默认类别,比如改成person、car、motorcycle三个类别。/或者在画框的时候输入类别
    • “Open Dir”打开图片文件夹,选择第一张图片开始进行标注,使用“Create RectBox”或者“Ctrl+N”开始画框,单击结束画框,再双击选择类别。完成一张图片后点击“Save”保存,此时XML文件已经保存到本地了。点击“Next Image”转到下一张图片。
    • 标注过程中可随时返回进行修改,后保存的文件会覆盖之前的。

    程序界面

    这里写图片描述

    生成的标签

    这里写图片描述

    BBox_Label_Tool

    使用教程
    github

    • 在程序目录\BBox-Label-Tool下新建两个文件夹
      -Images
      -Labels
    • 里面新建每一类的文件夹,以数字命名
      eg. 在\BBox-Label-Tool\Images\1 中,放入1类的图片
    • 用spyder运行main.py,出现界面,在image dir中输入1,点击load,加载图片,选class,画框,点击Next,每张图画完后会自动在\BBox-Label-Tool\Labels\1中生成对应的标签txt

    程序界面

    这里写图片描述

    生成的标签

    这里写图片描述

    展开全文
  • 机器学习图片标注工具LabelImg安装方法–支援macOS 系统 运用如下步骤使得LabelImg工具可以在macOS上正常运行(在10.13.1, 10.13.6, 10.15.7均可以正常使用): 打开电脑Terminal终端; pip3 install ntp -i ...

    在这里插入图片描述

    运用如下步骤使得LabelImg工具可以在macOS上正常运行(在10.13.1, 10.13.6, 10.15.7均可以正常使用):

    1. 打开电脑Terminal终端;
    2. pip3 install ntp -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
    3. pip3 install lxml -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
    4. pip3 install labelImg -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
    5. 安装完成后Terminal终端输入: labelimg . 大功告成!
      在这里插入图片描述
    展开全文
  • 龙猫数据线下标注工具自推出以来便受到众多用户喜爱。凭借强大的标注功能、简洁的任务配置方式、方便的用户管理,迅速成为众多从业者任务试标和正式标注的利器。最近的更新迭代在图像、音频标注基础上增添了NLP文本...
  • 简介 在自己的数据集上进行语义分割最基础的一步便是对图像进行标注,以训练得到自己的模型,标注是一个比较繁琐的活,所以需要一个好的标注工具。 MIT推出一个很多人都使用的labelme开源的LabelMe的目标是提供一个...
  • 好不容易抽出一点时间写了一个工具——图像标注工具,这个工具与github上的labelImg很像,坦白承认我的却抄袭labelImg的部分标注方法(臭不要脸的抄袭,赶快滚,有多远滚多远)。我这这一个工具的目的: 1.最近在...
  • 机器学习 人工标注样本工具Python+OpenCV 应用场景 最近小伙伴有个需求,需要对训练样本进行人工标注,需要框选出复杂场景图片中的气压表的部分,并标注出气压值,同时还需要知道气压表在图像中的位置,为解决这...
  • 科技巨头如Google,微软,亚马逊等都纷纷宣布在AI领域布局,AI的影响随着深度学习的应用日益深入。机器视觉作为一个热门子领域...标注这些数据 拿到GPUs-训练ML模型需要强大的计算支撑 选择一个算法-训练你的模型-检...
  • 标注工具labelme.zip

    2020-11-10 15:57:30
    数据标注工具labelme;这个是包含64位和32位机器的;使用这个应该配合ArcGIS或其它工具;做标注的应该都明白。
  • labelimg标注工具

    2019-02-26 10:10:01
    使用机器学习进行目标检测中,原始图片的标注过程是非常重要的,该工具的作用是在原始图像中标注目标物体位置并对每张图片生成相应的xml文件表示目标标准框的位置及类别。
  • 点击上方“AI算法修炼营”,选择“星标”公众号精选作品,第一时间送达简介:Semantic-Segmentation-Editor是由日立汽车工业实验室(Hitachi ...该工具专门用于创建机器学习语义分割的训练数据,为自动驾驶研究开发的...
  • 现在的机器学习尤其是深度学习模型很强大,但是训练这些模型需要大量的标注数据集!传统的人工标注方式成本非常高,而且很耗时间,在有些情况下根本就是不现实的,例如可能涉及到隐私的问题。当需...
  • # 定义物体框标注工具类 class SimpleBBoxLabeling : def __init__ ( self , data_dir , fps = FPS , window_name = None ) : self . _data_dir = data_dir self . fps = fps self . window_name =...
  • 现在的机器学习尤其是深度学习模型很强大,但是训练这些模型需要大量的标注数据集!传统的人工标注方式成本非常高,而且很耗时间,在有些情况下根本就是不现实的,例如可能涉及到隐私的问题。当需要领域专家才能够...
  • 开源NLP标注工具技术分享

    千次阅读 2020-03-13 15:35:16
    开源NLP标注工具技术分享 来自:数据堂 AI-Lab 自然语言标注平台能做什么 文本分类(对文本类型进行划分,如情感分类、企业类型分类等) 命名实体识别(对文本实体进行标注,如人名、地名、实体名等等) 关系抽取...
  • 数据标注丨7大数据标注工具分享

    千次阅读 2020-02-11 18:04:07
    “人工智能“看似给人深不可测、迷离惝恍的感觉,但实际上人工智能的发展背后是需要大量的人类数据作为支撑,进而通过机器算法不断地模拟人类活动进行深度学习,识别这些数据样本去实现机器替代人工的愿景。机器是...
  • imglab简介 imglab是一个在图像上标注矩形的工具。git地址:https://github.com/davisking/dlib/tree/master/tools/imglab 基本使用:详细使用可参考官方地址或...
  • doccano 是一个开源文本注释工具,它为 文本分类 、 序列标记 、 序列对序列 等任务 提供注释功能, 因此 你可以为 情感分析、命名体识别、文本摘要等 打标签, 只需要创建项目、上传语料就可以开始注释了 Demo 演示 ...

空空如也

空空如也

1 2 3 4 5 ... 18
收藏数 346
精华内容 138
关键字:

机器标注工具