labelme

labelme

Python图像标注工具,支持多种格式导出

Labelme是一个Python图像标注工具,使用Qt构建界面,支持多边形、矩形、圆形、线条和点的标注,适用于图像分类、语义分割、实例分割和视频标注。提供GUI自定义功能,并支持导出VOC和COCO格式数据集。兼容Windows、macOS和Linux平台,安装简单,资源丰富,易于使用。

Labelme图像标注Python实例分割语义分割Github开源项目
<h1 align="center"> <img src="https://yellow-cdn.veclightyear.com/2b54e442/9998c155-2a77-4e20-9cbb-019c929fc119.png"><br/>labelme </h1> <h4 align="center"> 使用Python的图像多边形标注 </h4> <div align="center"> <a href="https://pypi.python.org/pypi/labelme"><img src="https://yellow-cdn.veclightyear.com/2b54e442/1660e0fb-4b09-4247-9321-3c8198f57133.svg"></a> <a href="https://pypi.org/project/labelme"><img src="https://yellow-cdn.veclightyear.com/2b54e442/f0137e44-43fa-440e-aa99-f56748f06913.svg"></a> <a href="https://github.com/labelmeai/labelme/actions"><img src="https://yellow-cdn.veclightyear.com/2b54e442/d9cb2915-1c54-4d21-ab95-98e4fbbd641f.svg?branch=main&event=push"></a> </div> <div align="center"> <a href="#starter-guide"><b>入门指南</b></a> | <a href="#installation"><b>安装</b></a> | <a href="#usage"><b>使用方法</b></a> | <a href="#examples"><b>示例</b></a> <!-- | <a href="https://github.com/labelmeai/labelme/discussions"><b>社区</b></a> --> <!-- | <a href="https://www.youtube.com/playlist?list=PLI6LvFw0iflh3o33YYnVIfOpaO0hc5Dzw"><b>Youtube 常见问题</b></a> --> </div> <br/> <div align="center"> <img src="https://yellow-cdn.veclightyear.com/2b54e442/0044b297-3a2a-427f-bda9-a0b861820e89.jpg" width="70%"> </div>

描述

Labelme 是一个图形化的图像标注工具,灵感来自 http://labelme.csail.mit.edu
它是用Python编写的,使用Qt作为图形界面。

<img src="https://yellow-cdn.veclightyear.com/2b54e442/f93533da-959c-447f-bc4b-cdd831dbcf89.jpg" width="19%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/84992d10-0c8d-498f-99f9-015d8be330a4.png" width="19%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/7e64f07b-024a-4b5e-8ca1-f49b9ebd5da6.jpg" width="19%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/391e52d3-88f4-4eb1-99d7-53b4575c6ca9.png" width="19%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/a49108f2-caef-462f-aa4f-3c201928389d.jpg" width="19%" />
<i>VOC 数据集的实例分割示例。</i>

<img src="https://yellow-cdn.veclightyear.com/2b54e442/d1b6f14a-2473-4a6b-9446-28b7bc635cc3.jpg" width="30%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/7c1849ce-9f08-41d7-a994-c7de66262c80.jpg" width="30%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/d33f4eea-9f20-42b5-b2d2-e79c86e6dfc9.jpg" width="35%" />
<i>其他示例(语义分割、边界框检测和分类)。</i>

<img src="https://yellow-cdn.veclightyear.com/2b54e442/d1e86183-072d-4fbb-89d9-b3490ca0df82.gif" width="30%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/753e276b-8b37-4f81-bab1-bb5401ecddd8.gif" width="30%" /> <img src="https://yellow-cdn.veclightyear.com/2b54e442/02934650-e992-4bc1-a6d9-653d5279093f.png" width="32%" />
<i>各种图形(多边形、矩形、圆形、线和点)。</i>

特性

  • 图像标注支持多边形、矩形、圆形、线和点。(教程
  • 图像标记支持分类和清理。(#166
  • 视频标注。(视频标注
  • 图形用户界面定制(预定义标签/标记、自动保存、标签验证等)。(#144
  • 导出 VOC 格式数据集用于语义/实例分割。(语义分割实例分割
  • 导出 COCO 格式数据集用于实例分割。(实例分割

入门指南

如果你是Labelme的新手,可以通过Labelme入门指南(免费)开始,它包括:

  • 所有平台的安装指南:Windows、macOS 和 Linux 💻
  • 分步教程:从首次标注到编辑、导出和与其他程序集成 📕
  • 有价值的资源汇编,供进一步探索 🔗。

安装

有以下几种选择:

Anaconda

你需要安装 Anaconda,然后运行以下命令:

# python3 conda create --name=labelme python=3 source activate labelme # conda install -c conda-forge pyside2 # conda install pyqt # pip install pyqt5 # pyqt5可以通过pip在python3上安装 pip install labelme # 或者你可以通过conda命令安装所有内容 # conda install labelme -c conda-forge

Ubuntu

sudo apt-get install labelme # 或者 sudo pip3 install labelme # 或者从以下链接安装独立可执行文件: # https://github.com/labelmeai/labelme/releases # 或者从源码安装 pip3 install git+https://github.com/labelmeai/labelme

macOS

brew install pyqt # 可能是 pyqt5 pip install labelme # 或者从以下链接安装独立可执行文件/应用程序: # https://github.com/labelmeai/labelme/releases # 或者从源码安装 pip3 install git+https://github.com/labelmeai/labelme

Windows

安装 Anaconda,然后在Anaconda提示符中运行:

conda create --name=labelme python=3 conda activate labelme pip install labelme # 或者从以下链接安装独立可执行文件/应用程序: # https://github.com/labelmeai/labelme/releases # 或者从源码安装 pip3 install git+https://github.com/labelmeai/labelme

使用方法

运行 labelme --help 了解详细信息。
标注将保存为 JSON 文件。

labelme # 直接打开图形界面 # 教程(单张图片示例) cd examples/tutorial labelme apc2016_obj3.jpg # 指定图像文件 labelme apc2016_obj3.jpg -O apc201

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多