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

已标记关键词 清除标记
<p> <b><span style="background-color:#FFE500;">【超实用课程内容】</span></b> </p> <ul> <li> <span style="font-size:14px;"><span>深度学习图像处理领域的发</span><span>展过程;</span></span> </li> <li> <span style="font-size:14px;"><span>解析经典的卷积神经网络;</span></span> </li> <li> <span style="font-size:14px;"><span>垃</span><span>圾分类实战。本课程将使用Pytorch深度学习框架进行实战,并在ubuntu系统上</span><span>进行演示,包括:不同标注文件下的数据集读取、编写卷积神经网络、训练垃圾分类数据集、测试训练网络模型、网络可视化、性能评估等。</span></span> </li> </ul> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="color:#000000;background-color:#FFE500;"><b><br /> </b></span> </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="color:#000000;background-color:#FFE500;"><b>【课程如何观看?】</b></span> </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="color:#000000;">PC端:<a href="https://edu.csdn.net/course/detail/26277"><span id="__kindeditor_bookmark_start_21__"></span></a><a href="https://edu.csdn.net/course/detail/26295">https://edu.csdn.net/course/detail/26295</a></span> </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="color:#000000;">移动端:CSDN 学院APP(注意不是CSDN APP哦)</span> </p> <p style="font-family:Helvetica;color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <br /> </p> <p class="ql-long-24357476" style="font-family:"color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="line-height:24px;background-color:#FFE500;font-size:14px;"><span style="line-height:24px;"><strong>【学员专享增值服务】</strong></span></span> </p> <p class="ql-long-24357476" style="font-family:"color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="line-height:24px;font-size:14px;"><b>源码开放</b></span> </p> <p class="ql-long-24357476" style="font-family:"color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="line-height:24px;font-size:14px;">课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化</span> </p> <p class="ql-long-24357476" style="font-family:"color:#3A4151;font-size:14px;background-color:#FFFFFF;"> <span style="line-height:24px;"><span style="font-size:14px;">下载方式:电脑登录<span style="color:#000000;"><a href="https://edu.csdn.net/course/detail/26277"></a><a href="https://edu.csdn.net/course/detail/26295">https://edu.csdn.net/course/detail/26295</a></span></span><span style="font-size:14px;">,点击右下方</span><span style="line-height:24px;background-color:#CCCCCC;font-size:14px;">课程资料、代码等打包下载</span></span> </p> <p> <br /> </p> <p> <br /> </p>
相关推荐
<p> <span>Mask R-CNN是一种基于深度学习图像实例分割方法,可对物体进行目标检测和像素级分割。</span> </p> <p> <span>本课程将手把手地教大家使用VIA图像标注工具制作自己的数据集,并使用Mask R-CNN训练自己的数据集,从而能开展自己的图像分割应用。</span> </p> <p> <span><br /></span> </p> <p> <span>本课程有三个项目案例实践:</span> </p> <p> <span>(1) balloon实例分割 :对图像中的气球做检测和分割</span> </p> <p> <span>(2) pothole(单类物体)实例分割:对汽车行驶场景中的路坑进行检测和分割</span> </p> <p> <span>(3) roadscene( 多类物体)实例分割:对汽车行驶场景中的路坑、车、车道线等进行检测和分割</span> </p> <p> <br /></p> <p> <span>本课程使用Keras版本的Mask R-CNN,在Ubuntu系统上做项目演示。 </span> </p> <p> <span>本课程提供项目的数据集和python程序文件。</span> </p> <p> <span><br /></span> </p> <p> <span><span style="color:#000000;">下面是使用Mask R-CNN对roadscene进行图像实例分割的测试结果</span><span style="color:#000000;">:</span><br /></span> </p> <p> <span><br /></span> </p> <p> <span><img src="https://img-bss.csdn.net/201906230718236651.gif" alt="" /><br /></span> </p> <p> <span><br /></span> </p> <p> <span><span style="color:#333333;">下图是使用Mask R-CNN对pothole进行单类物体图像实例分割的测试结果:</span></span> </p> <p> <span><img src="https://img-bss.csdn.net/201906230719199275.jpg" alt="" /><br /></span> </p> <p> <span><span style="color:#333333;">下图是使用Mask R-CNN对roadscene进行多类物体图像实例分割的测试结果:</span></span> </p> <p> <span><img src="https://img-bss.csdn.net/201906230719513299.jpg" alt="" /><br /></span> </p>
©️2020 CSDN 皮肤主题: Age of Ai 设计师:meimeiellie 返回首页