开源图像标注：绘制多边形、矩形、圆形和点

https://t.co/o17JJfPZt7 https://t.co/l8eeKnjjwe

在 Python 中用多边形、矩形、圆形和点进行图像标注

来源: https://www.opensourceprojects.dev/post/labelme

Labelme：一款让你不再头疼的 Python 图像标注工具

如果你曾尝试构建计算机视觉数据集，你就知道那种痛苦：你有几百张图像，需要围绕每一只狗、每一辆车、每一个你试图教模型识别的东西绘制多边形。在通用图像编辑器中手动完成这项工作既缓慢又容易出错。Labelme 是一款用 Python 编写的图形化标注工具，专为此任务而设计——多年来它一直在默默支撑着视觉数据集的构建。

它能做什么

Labelme 是一款桌面标注工具，灵感来源于 MIT 最初的 LabelMe 项目。它用 Python 编写，使用 Qt 构建图形界面，因此你得到的是一个真正具有原生应用体验的程序，而不是浏览器标签页。你加载图像（或视频），在你关注的目标上绘制形状，然后为其标注标签。输出的是结构化的标注数据，可以直接送入训练管线。

该工具支持你期望的各种基础图形：多边形、矩形、圆形、直线和点。除此之外，它还支持图像级标记标注（适用于分类和数据集清洗）、视频标注以及 GUI 定制——比如预定义标签、自动保存和标签校验。它还内置多语言支持，涵盖英语、中文、日语、韩语、德语、法语等，共支持 20 种语言。

为什么它很酷

• **导出格式是真正实用的。**Labelme 不会把你锁定在专有格式中，而是支持导出 VOC 格式数据集（适用于语义分割和实例分割）以及 COCO 格式数据集（适用于实例分割）。如果你用过这些格式，你就知道这能节省多少时间。
• **AI 辅助功能是真正的效率提升。**README 中列出了基于 SAM 和 EfficientSAM 模型的 AI 辅助点转多边形及掩码标注，以及通过 YOLO-world 和 SAM3 实现的文本转标注。实际使用中，你只需点击一个点或输入一个标签，就能让模型替你完成繁琐的边界绘制。对于那些花了一个下午逐像素描摹物体轮廓的人来说，这种功能足以改变你的工作方式。
• **它是为真实的标注工作而构建的，不是为了演示。**GUI 定制选项（预定义标签、自动保存、标签校验）表明维护者深知标注是一项漫长而重复的工作，各种小便利累积起来非常重要。仅自动保存这一项就能帮你避免至少一次小悲剧。
• **视频标注已内置。**很多标注工具把视频当作事后补充，Labelme 不会。
• **提供独立版本。**如果你不想接触 Python 或 Qt，可以在 labelme.io 获取独立版应用。对于团队中并非所有人都想搭建 Python 环境的情况，这是一个贴心的备选方案。

如何试用

Labelme 是一个 Python 包，安装非常简单。从 PyPI 获取：

然后启动它：

接下来，你就可以打开图像、开始绘制形状并分配标签了。仓库在 examples/tutorial 下提供了教程，涵盖基础操作，同时还有专门的示例目录，涵盖语义分割、实例分割、边界框检测、分类和视频标注。这些示例值得一览——它们展示了从标注到导出数据集的完整流程。

如果你完全不想折腾 Python 环境，可以前往 labelme.io (https://labelme.io/) 下载独立版应用。遇到问题时，仓库链接的 Discord 社区可以提供帮助。

你可以在 github.com/wkentaro/labelme (https://github.com/wkentaro/labelme) 找到源码、示例和安装详情。

总结

Labelme 并不想面面俱到——它是一款专注的标注工具，出色地完成本职工作，并导出视觉社区已经在依赖的格式。SAM 和 YOLO 辅助功能的加入让它的水平与领域发展方向接轨，同时保留了对于精确工作仍然重要的手动控制选项。如果你正在构建分割或检测数据集，厌倦了东拼西凑脚本和图像编辑器，Labelme 是一个合理的起点。它成熟、维护活跃，而且独立版意味着即使你不是 Python 开发者也能使用它。

关注 @githubprojects，获取更多开发者工具和开源项目。