资源 | 深度学习图像标注工具汇总

作者 | chaibubble

来源 | chaibubble的CSDN博客

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:

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:

labelImg

Labelmg适用于图像检测任务的数据集制作:

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:

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:

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:

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:

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:

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:

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:

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:

它来自下面的项目:

  • https://github.com/frederictost/images_annotation_programme

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: https://blog.csdn.net/chaipp0607/article/details/79036312

原文发布于微信公众号 - 人工智能头条(AI_Thinker)

原文发表时间:2018-06-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

资源 | 深度学习图像标注工具汇总

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...

23230
来自专栏目标检测和深度学习

深度学习图像标注工具

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...

32160
来自专栏AI研习社

IBM高级研发工程师武维:如何分布式训练深度学习模型?| 分享总结

AI 研习社按:随着深度学习神经网络规模越来越大,训练一个深度神经网络(Deep Neural Networks, DNNs)往往需要几天甚至几周的时间。为了加...

29450
来自专栏玉树芝兰

如何用Python和深度神经网络识别图像?

(由于微信公众号外部链接的限制,文中的部分链接可能无法正确打开。如有需要,请点击文末的“阅读原文”按钮,访问可以正常显示外链的版本。)

20820
来自专栏腾讯云服务器团队的专栏

基于混合集成学习算法的热迁移超时预测模型

在云计算资源管理中,热迁移是实现资源配置的重要手段,常常会因为多种场景需要发起热迁移:例如资源调配,母机负载均衡以及运维人工热迁移等场景。

61930
来自专栏量子位

深度学习动手入门:GitHub上四个超棒的TensorFlow开源项目

问耕 编译自 Source Dexter 量子位 出品 | 公众号 QbitAI 作者简介:akshay pai,数据科学工程师,热爱研究机器学习问题。Sour...

59890
来自专栏IT派

资源 | 深度学习图像标注工具汇总

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...

13320
来自专栏IT派

11 个Javascript机器学习库

Brain.js是一个Javascript库,用于替代(现在已弃用的)“ 脑 ”库的神经网络,该库可与Node.js一起使用或在浏览器中使用(注释计算),并为不...

14440
来自专栏CreateAMind

强化学习基础概念ppt视频讲解

13730
来自专栏吉浦迅科技

如何在Jetson TX2上用Python捕获摄像头影像,并用Caffe进行推理

本文转载自JK Jung的帖子:https://jkjung-avt.github.io/tx2-camera-caffe/ 如果有侵犯到贴主利益,请立刻跟我联...

66050

扫码关注云+社区

领取腾讯云代金券