资源 | 深度学习图像标注工具汇总

2018 年 6 月 12 日 人工智能头条


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


——【完】——


精彩预告

AI公开课

时间:6月14日 20:00-21:00

扫描海报二维码,免费报名

添加微信csdnai,备注:公开课,加入课程交流群



点击 | 阅读原文 | 免费学习

登录查看更多
9

相关内容

图像描述生成(Image Caption)是一个融合计算机视觉、自然语言处理和机器学习的综合问题,它类似于翻译一副图片为一段描述文字。该任务对于人类来说非常容易,但是对于机器却非常具有挑战性,它不仅需要利用模型去理解图片的内容并且还需要用自然语言去表达它们之间的关系。除此之外,模型还需要能够抓住图像的语义信息,并且生成人类可读的句子。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【资源】100+本免费数据科学书
专知会员服务
105+阅读 · 2020年3月17日
数据标注研究综述,软件学报,19页pdf
专知会员服务
86+阅读 · 2020年2月20日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
86+阅读 · 2019年10月21日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
37+阅读 · 2019年10月9日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
196+阅读 · 2019年9月30日
2019热门开源机器学习项目汇总
专知
9+阅读 · 2020年1月3日
最全Python算法实现资源汇总!
AI100
3+阅读 · 2019年5月13日
史上最全TensorFlow学习资源汇总
深度学习世界
7+阅读 · 2018年4月12日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Arxiv
15+阅读 · 2018年6月23日
Arxiv
5+阅读 · 2016年10月24日
VIP会员
相关VIP内容
【资源】100+本免费数据科学书
专知会员服务
105+阅读 · 2020年3月17日
数据标注研究综述,软件学报,19页pdf
专知会员服务
86+阅读 · 2020年2月20日
【推荐系统/计算广告/机器学习/CTR预估资料汇总】
专知会员服务
86+阅读 · 2019年10月21日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
37+阅读 · 2019年10月9日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
196+阅读 · 2019年9月30日
Top
微信扫码咨询专知VIP会员