常用标注工具

一、常用标注工具

1、图像标注工具

1. CVAT (Computer Vision Annotation Tool)

   • 开源免费

   • 支持目标检测、分割、关键点

   • 团队协作功能

2. LabelImg/Labelme

   • LabelImg：矩形框标注（目标检测）

   • Labelme：多边形标注（分割）

   • 轻量级，适合个人使用

3. Roboflow

   • 在线平台

   • 自动标注辅助

   • 数据集版本管理

4. VGG Image Annotator (VIA)

   • 牛津大学开发

   • 纯前端工具，无需安装

   • 支持多种标注类型

2、文本标注工具

1. Prodigy（付费）

   • 由spaCy团队开发

   • 主动学习功能

   • 标注效率高

2. Label Studio

   • 开源免费

   • 支持多模态标注

   • 高度可定制

3. BRAT (Brat Rapid Annotation Tool)

   • 专门用于文本标注

   • 支持NER、关系抽取

   • 开源免费

3、音频标注工具

1. Audacity + Praat

   • Audacity：基础音频处理

   • Praat：专业的语音分析

2. Audino

   • 开源在线工具

   • 支持语音转写、事件标记

4、视频标注工具

1. VIA-Video

   • VGG开发

   • 基于浏览器的视频标注

2. Video Annotation Tool (VAT)

   • 开源工具

   • 逐帧标注能力

5、3D点云标注

1. Supervisely

   • 功能全面

   • 支持2D/3D标注

2. Semantic Segmentation Editor（Autodesk）

   • 开源3D点云标注

6、综合平台

商业化平台

1. Scale AI

   • 企业级服务

   • 提供标注外包和质量控制

2. Appen/Lionbridge

   • 老牌数据服务商

   • 涵盖多种数据类型

3. Amazon SageMaker Ground Truth

   • AWS生态集成

   • 自动标注功能

二、常用标注工具核心对比

工具名称	边界框	多边形	点/线	掩码导出	主要格式	安装难度	团队协作	最佳适用场景	开源
LabelImg	⭐⭐⭐⭐⭐	❌	❌	❌	VOC XML/YOLO TXT	低	❌	纯目标检测任务	✅
LabelMe	⭐⭐⭐	⭐⭐⭐⭐⭐	✅	✅	JSON→COCO/Pascal	低	❌	实例分割、学术研究	✅
CVAT	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	✅	✅	COCO/YOLO/VOC/TF	中高	✅	工业级、团队项目	✅
VIA	⭐⭐⭐⭐	⭐⭐⭐⭐	✅	✅	JSON/COCO	极低	❌	快速原型、简单任务	✅
Supervisely	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	✅	✅	全格式	中	✅	企业级全流程	❌
Roboflow	⭐⭐⭐⭐	⭐⭐⭐⭐	✅	✅	全格式	低	✅	云端自动化管道	❌
MakeSense.AI	⭐⭐⭐⭐	⭐⭐⭐⭐	✅	✅	YOLO/COCO/VOC	极低	❌	免安装快速使用	✅
RectLabel	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	✅	✅	COCO/YOLO	低	❌	Mac用户专属	❌

三、各工具详细功能介绍

1. LabelImg - 边界框标注专家

bash

# 基本信息
- 类型：桌面应用程序
- 核心功能：仅支持矩形边界框标注
- 平台：Windows/Linux/Mac
- 安装：pip install labelImg

# 支持的标注格式：
1. PASCAL VOC (.xml)
2. YOLO (.txt)
3. CreateML (.json) - iOS开发

# 工作流程：
打开图像 → 绘制矩形框 → 输入标签 → 保存XML/TXT

# 优点：
✓ 极其轻量快速
✓ 目标检测专用
✓ 快捷键丰富（W:创建框，D:下一张）

# 限制：
✗ 不支持多边形
✗ 不支持掩码
✗ 不支持团队协作

2. LabelMe - 多边形标注首选

python

# 核心功能：
✅ 多边形顶点标注
✅ 支持孔洞（嵌套多边形）
✅ 点和线标注
✅ 图像增强工具

# 输出格式：
原生：LabelMe JSON
可转换：COCO JSON、Pascal VOC、PNG掩码

# 安装使用：
pip install labelme
labelme  # 启动
labelme --labels labels.txt  # 预定义标签

# 转换掩码：
labelme_json_to_dataset input.json -o output_dir/
# 生成：label.png（索引掩码）, label_viz.png（可视化）

3. CVAT - 工业级全能选手

yaml

# 核心特性：
- 部署方式: Docker容器
- 标注模式: 矩形/多边形/点/线/立方体
- 视频支持: 帧间插值、跟踪
- AI辅助: 预标注、自动分割

# 导出格式：
COCO 1.0、Pascal VOC 1.1、YOLO 1.1
Mask R-CNN、TFRecord、Datumaro

# 团队功能：
用户角色管理、任务分配
标注质量检查、审查流程
版本控制、数据备份

4. VIA - 轻量级Web工具

json

// 特性：
- 纯Web应用，无需安装
- 支持多种几何形状
- 区域属性标注
- 离线PWA支持

// 原生格式：
{
  "image.jpg": {
    "regions": [{
      "shape_attributes": {
        "name": "polygon",
        "all_points_x": [x1, x2, ...],
        "all_points_y": [y1, y2, ...]
      },
      "region_attributes": {"label": "glue"}
    }]
  }
}

// 转换能力：
VIA → COCO (需要脚本转换)
VIA → Pascal (需要脚本转换)

5. Supervisely - AI增强平台

python

# 企业级功能：
- AI辅助标注（智能分割）
- 自动化标注流水线
- 3D点云和医疗影像
- 完整的MLOps集成

# 支持的格式：
原生格式、COCO、Pascal VOC、YOLO
Cityscapes、KITTI、DICOM

# 工作流：
上传数据 → 预标注 → 人工修正
→ 训练模型 → 迭代改进 → 部署

6. Roboflow - 云端自动化平台

python

# 核心优势：
- 自动格式转换
- 数据增强和预处理
- 版本化数据集管理
- 预训练模型库

# 输入输出格式：
输入：LabelMe、VIA、COCO、VOC、YOLO等
输出：COCO、YOLO、TFRecord、PyTorch等

# 工作流程：
上传 → 标注/导入 → 预处理 → 增强
→ 导出 → 训练 → 部署

四、格式支持详细对比

1. 边界框格式支持

工具 \ 格式	VOC XML	YOLO TXT	COCO JSON	CreateML
LabelImg	✅ 默认	✅ 可选	❌	✅
LabelMe	✅ 转换	❌	✅ 转换	❌
CVAT	✅	✅	✅	❌
VIA	❌	❌	✅ 转换	❌
Supervisely	✅	✅	✅	✅
Roboflow	✅	✅	✅	✅

2. 多边形/掩码格式支持

工具 \ 格式	COCO Seg	Pascal Poly	PNG掩码	二值掩码
LabelImg	❌	❌	❌	❌
LabelMe	✅ 原生	✅ 转换	✅	✅
CVAT	✅	✅	✅	✅
VIA	✅ 转换	❌	✅	✅
Supervisely	✅	✅	✅	✅
Roboflow	✅	✅	✅	✅

五、针对不同需求的工具选择

1. 按任务类型选择

yaml

# 纯目标检测（边界框）：
推荐: LabelImg 或 CVAT
原因: LabelImg简单快速，CVAT功能全面

# 实例分割（多边形掩码）：
推荐: LabelMe 或 CVAT
原因: LabelMe精度高，CVAT适合团队

# 语义分割（像素级）：
推荐: CVAT 或 Supervisely
原因: 支持精细标注和AI辅助

# 视频标注：
推荐: CVAT
原因: 帧间插值和跟踪功能

# 快速原型/小项目：
推荐: VIA 或 MakeSense.AI
原因: 免安装，零配置

2. 按技术栈选择

python

# PyTorch/Torchvision用户：
推荐: COCO格式 → LabelMe或CVAT

# TensorFlow用户：
推荐: TFRecord格式 → CVAT或Roboflow

# YOLO系列用户：
推荐: YOLO格式 → LabelImg或CVAT

# 自定义框架：
推荐: JSON格式 → VIA或LabelMe