本文介绍了5个很棒的标注工具，我希望它们能帮助你创建计算机视觉数据集。

如果你是一名计算机视觉领域的数据科学家，你可能也意识到了你需要一个快速而简单的标注工具，其原因至少是以下两个之一:

PoC（译者注：Proof of Concept）或研发实验需要创建数据集
保证你的数据质量，这样它就不会影响你的深度学习算法的性能

我深入探究了计算机视觉标注领域，发现它包含了大量令人印象深刻的工具（请看如下三个超级棒的工具清单：清单一，清单二，清单三，或者查看这个博客）。我花了相当多的时间比较最有前景的（和活跃的）项目，发现其中大部分工具都只能达到如下三个设计目标中的其中一个:

如果你想在标注行业展开业务，你需要：
先进的项目管理功能
足够多的功能，以完成任何标注任务
提高效率的自动化工具
如果你属于一家创业公司，你可能需要：
API，或者至少是将标注工具连接到私有API的简单方法
直观的用户体验（UX），使你临时聘用的每个标注人员都可以立即开始工作
如果你只是为自己工作，你：
不用关心API或者项目管理
只是想尽快开始标注！

下面是我最喜欢的工具列表，这些工具允许为计算机视觉应用标注包围框（用于物体检测任务）和多边形框（用于分割任务）。

如果你发现这些工具不能正常工作，请尝试在Chrome中运行它们。

[可选]计算机视觉标注的简要基础知识

在计算机视觉中，训练算法的数据主要有三种类型:

图片+分类器训练标签（ResNets）
包围框+检测器标签（YOLOv3，Faster R-CNN……）
多边形+用于分割应用程序标签（Mask R-CNN）

注意分割数据（蓝色）与检测数据（紫色）的差异

正如你很可能已经意识到的，对于AI项目来说，成功的最重要的影响因素之一是你可以使用的“优质数据”的数量。我所说的计算机视觉应用的“优质数据”是指:

每个图片/标注都有一个恰当的标签
每个边界框或多边形都紧致地包围着要训练的物体。

即使后一种定义明显缺乏客观性，但我们希望我们的算法能够达到人类的水平。因此，我们需要“人类水平”的标注。

打标公司的最佳开源标注工具

计算机视觉标注工具（CVAT）

计算机视觉标注工具（CVAT）

在推出OpenCV近20年后，Intel在计算机视觉领域再次发力，并发布了CVAT，这是一个非常强大和完整的标注工具。尽管它需要一些时间来学习和掌握，但它包含了大量的功能来标注计算机视觉数据。

优点：

它很容易安装和扩展，因为它是一个运行在Docker中的Web应用程序
它包含了许多自动化工具（如使用TensorFlow物体检测API的自动标注、视频插值……）
它允许协同工作管理，这样团队中的不同成员就可以在同一个标注任务上协同工作

缺点：

UI相当复杂。例如，对于初次设置标注任务的用户而言，这可能会非常棘手
一开始用起来不是很直观，可能需要几天的时间来掌握
只能运行于Chrome，所以如果你担心谷歌……，你必须找到其他变通办法

点击这里查看在线演示！

创业公司的最佳开源标注工具

可视化对象标注工具（VoTT）

可视化对象标注工具（VoTT）

VoTT是由微软开发的，它提供了非常棒的用户体验，这可能会在你标注时为你节省大量的时间和精力。而且，创建项目也很直接，所以你可以不用深入阅读其文档就能使用它。

优点：

代码写得非常好（在React中），并且完美地定义了接口，因此获取代码和添加所需的额外功能都很容易
正如我所说的，UX是完美的，它有一个黑色的主题和一个跟随鼠标的虚线网格，所以很容易知道从哪里开始标注一个边界框。这看起来像是一种额外嘉奖，但是相信我，这对于标注来说真的很重要！
它提出使用深度学习算法来自动检测对象（它附带了在COCO数据集上训练的SSD模型）
它是一个web应用程序和一个电子应用程序。这使你可以将它作为一个重客户端使用，也可以将它作为web浏览器中运行的应用程序来使用

缺点：

要使用web应用程序版本，你需要将数据托管在微软的云计算服务Azure上（然而，电子版应用程序允许你在硬盘上使用数据，但需要使用npm安装程序）
它没有提供一个内置的API（但是，通过调整代码，使你的私有API能够与之通信，这是非常容易的）
你不能给整张图片贴标签：你只被允许绘制带有相关标签的边界框（或多边形）。因此，它不适合创建分类数据库

点击这里查看我们的网页应用程序！

DataTurks

DataTurks是一家成立于2018年的初创公司，提供图片、视频和文字的标注服务。然而，直到最近它才成为开源软件（这可能与沃尔玛在2019年2月买下了它有关），此前你都必须向其付费。尽管在那之后，他们几乎没有对外发声，而且似乎已经停止了任何开发，但是这个标注工具非常棒，而且现在是免费的！

当你使用它的时候，不用在意任何许可，也不用考虑随处可见的任何非商业用途的限制条款。Dataturks现在免费啦，而且你可以使用它的所有功能（我已经尝试和测试过了）！

优点：

说起CVAT，它是一个在Docker中运行的Web应用程序（查看这里获取Docker图像）
允许协作和异步工作：处理相同数据集的两个队友不会得到相同的图像进行标注
提出一种用于创建和获取标注任务的API

缺点：

DataTurks似乎已经停止了其产品的开发
UX还可以，但是一些小小的调整还可以让它变得更好

点击这里查看在线演示！

仅为你自己服务的最好的开源图像标注工具

MakeSense.ai
Make-Sense
Make-sense在两个月前刚刚发布（如果你在很久之后才读到我这篇文章，说明下，这个时间是2019年6月），并且已经拥有了令人难以置信的用户体验。开始启动打标从来没有这么快！进入网站，拖放你的图片，即可开始标注。

优点：

快速，高效，但最重要的是，简单!
很酷的用户体验
至于你上传的图片的隐私问题，不要担心，因为他们说:“【我们】不会存储你的图片，因为我们不会把它们发送到任何地方。”

缺点：

不提供任何项目管理功能
也不提供任何API

点击这里开始打标！

我希望这篇文章能够帮助你选择一个适合你需要的打标工具，如果你找到了更好的工具，请尽管在评论区告诉我们！

ps：以下是其他一些工具的简短列表，这些工具尽管我没有提到，但是都很酷。

VGG VIA，一个非常容易使用的标注器，其由牛津机器人实验室开发。它被编码在单个的html/js文件里，所以它很容易进行开发！
LabelMe，由麻省理工学院开发的。在这里可以看到一个在线版本，或者在这里可以运行它。
Coco-Annotator似乎功能很齐全，但它是最近才出现的（用户身份验证系统、API接入点）。查看这里的演示（用户名：admin 密码：password）

原文链接：

https://blog.sicara.com/best-open-source-annotation-tools-in-computer-vision-4b9f6a18f911

创作场景

计算机视觉领域最好用的 5 个开源图像标注工具