基于项目管理的轻量级目标检测自动标注系统【基于 YOLOV8】

🐱 AILabeler 是一个轻量级目标检测标注系统,专为 YOLO 系列模型设计,支持图像上传、标注框管理、类别设置、自动标注(YOLOv8)、导出多格式训练数据等功能。

项目已经发布至https://github.com/as501226107/AILabeler,后续会持续更新,欢迎 关注➕star


🔧 安装运行

安装依赖

pip install flask ultralytics opencv-python pillow

运行服务

python app.py

默认访问:http://localhost:5001


📌 常用接口说明| 路径 | 说明 |

| --- | --- |

| / | 项目列表页 |

| /project/<项目名> | 项目详情(上传/预览图像) |

| /annotate/<项目>/<图像> | 标注页面(主界面) |

| /autolabel/<项目>/<图像> | 自动标注接口(YOLOv8) |

| /export/<项目> | 数据导出页面 |


🧠 自动标注说明自动标注使用 YOLOv8 模型进行推理。你可以根据需求替换模型文件:

model = YOLO("yolov8n.pt") # 替换为自己的 yolov8.pt

并在 `

🐱 YOLabeler 标注系统YOLabeler 是一个轻量级目标检测标注系统,专为 YOLO 系列模型设计,支持图像上传、标注框管理、类别设置、自动标注(YOLOv8)、导出多格式训练数据等功能。


🚀 功能特性📂 项目管理

  • 创建/查看项目
  • 每个项目拥有独立图像、类别、标注数据

🖼 图像上传与预览

  • 支持批量上传图片(JPG/PNG)

  • 图像状态展示:✅ 已标注 / ❌ 未标注

    🧾 标注功能

  • 使用鼠标框选目标区域

  • 每个框支持单独设置类别

  • 右侧列表可编辑/删除每个框

  • 自动保存为 JSON 标注数据

🔁 图像浏览

  • 支持上一张 / 下一张图片快捷切换

  • 切图时自动加载对应标注

🧠 自动标注

  • 集成 YOLOv8 模型(默认 yolov8n.pt

  • 可识别图像中的所有物体

  • 支持基于项目类别过滤保留框

📤 数据导出

  • 支持三种格式:YOLO / COCO / VOC

  • 可生成 ZIP 包一键下载

    ⚙️ 类别管理

  • 项目级类别配置(支持增删改)

  • 自动标注时仅保留已配置类别


🧰 目录结构

YOLabeler/

├── app.py # 主 Flask 应用

├── templates/ # HTML 模板(Jinja2)

├── static/ # 可选:CSS/JS 静态资源

├── data/

│ ├── images/ # 图像数据按项目分类存储

│ ├── annotations/ # 标注数据存储

│ ├── config/ # 每个项目类别配置

│ └── projects.json # 所有项目注册信息


🔧 安装运行

安装依赖

pip install flask ultralytics opencv-python pillow

运行服务

python app.py

默认访问:http://localhost:5001


📌 常用接口说明| 路径 | 说明 |

| --- | --- |

| / | 项目列表页 |

| /project/<项目名> | 项目详情(上传/预览图像) |

| /annotate/<项目>/<图像> | 标注页面(主界面) |

| /autolabel/<项目>/<图像> | 自动标注接口(YOLOv8) |

| /export/<项目> | 数据导出页面 |


🧠 自动标注说明自动标注使用 YOLOv8 模型进行推理。你可以根据需求替换模型文件:

model = YOLO("yolov8n.pt") # 替换为自己的 yolov8.pt

并在 data/config/<项目>_classes.json` 中指定需要保留的类别,非该列表内的将被过滤。


📦 支持导出格式YOLO 格式:

  • 每张图片一个 每张图片一个 .txt

  • 内容:内容:<class> <x_center> <y_center> <width> <height>(归一化)

    COCO 格式:

  • 一个 一个 annotations.json

  • 包含 images、annotations、categories 三部分

    VOC 格式:

  • 每张图片一个 每张图片一个 .xml 文件,标准 Pascal VOC 格式


🧠 关键代码解释1. /annotate//` 路由用于渲染标注页面,加载图像与对应标注框,支持上下图切换:

python 复制代码
@app.route('/annotate/<project>/<filename>')def annotate(project, filename):    ... # 加载图像目录与标注    return render_template('annotate.html', ...)
  1. /autolabel//` 路由使用 YOLOv8 推理当前图像,返回建议框:
python 复制代码
@app.route('/autolabel/<project>/<filename>')def autolabel_image(project, filename):    ... # 推理图像,生成预测框并渲染页面
  1. saveBoxes() 前端函数采集标注框坐标、类别,发送到 /save/<project> 接口:
python 复制代码
function saveBoxes() {
  const result = boxes.map(b => ({ x: b.rect.x(), y: b.rect.y(), width: b.rect.width(), height: b.rect.height(), label: b.label }));
  fetch(`/save/${project}`, { method: 'POST', body: JSON.stringify({ filename, boxes: result }) })
}
  1. 图像加载 + Konva 渲染逻辑前端绘图模块加载图像并按标注框显示:
python 复制代码
const image = new Image();
image.onload = () => {
  stage = new Konva.Stage(...);
  preloadBoxes.forEach(b => addBox(...));
  setupDrawing();
};

✅ 使用建议

  • 尽量使用 Chrome 浏览器

  • 上传图像后建议立即标注保存(自动保存为 JSON)

  • 自动标注可加快效率,但需人工复查每张图

  • 切图前请先点击保存,防止未保存的修改丢失


📮 联系/建议欢迎提交 Issues 或 PR 改进系统 ❤️

相关推荐
onceco26 分钟前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
jndingxin3 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉
Sweet锦3 小时前
零基础保姆级本地化部署文心大模型4.5开源系列
人工智能·语言模型·文心一言
hie988944 小时前
MATLAB锂离子电池伪二维(P2D)模型实现
人工智能·算法·matlab
晨同学03274 小时前
opencv的颜色通道问题 & rgb & bgr
人工智能·opencv·计算机视觉
蓝婷儿4 小时前
Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战
人工智能·python·机器学习
大千AI助手5 小时前
PageRank:互联网的马尔可夫链平衡态
人工智能·机器学习·贝叶斯·mc·pagerank·条件概率·马尔科夫链
小和尚同志5 小时前
Cline | Cline + Grok3 免费 AI 编程新体验
人工智能·aigc
我就是全世界5 小时前
TensorRT-LLM:大模型推理加速的核心技术与实践优势
人工智能·机器学习·性能优化·大模型·tensorrt-llm
.30-06Springfield5 小时前
决策树(Decision tree)算法详解(ID3、C4.5、CART)
人工智能·python·算法·决策树·机器学习