深度学习(目标检测。图像分割等)图像标注工具汇总 |
您所在的位置:网站首页 › al数据标注项目有前景吗 › 深度学习(目标检测。图像分割等)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: LabelmeLabelme适用于图像分割任务的数据集制作: Labelme适用于图像检测任务的数据集制作: yolo_mark适用于图像检测任务的数据集制作: Vatic适用于图像检测任务的数据集制作: Sloth适用于图像检测任务的数据集制作: Annotorious适用于图像检测任务的数据集制作: 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。 RectLabelRectLabel适用于图像检测任务的数据集制作: 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。 VoTTVoTT适用于图像检测任务的数据集制作: 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 ToolIAT适用于图像分割任务的数据集制作: images_annotation_programme适用于图像检测任务的数据集制作: 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-Utilshttps://github.com/tzutalin/ImageNet_Utils labeldhttps://github.com/sweppner/labeld VIAhttp://www.robots.ox.ac.uk/~vgg/software/via/ ALThttps://alpslabel.wordpress.com/2017/01/26/alt/ FastAnnotationToolhttps://github.com/christopher5106/FastAnnotationTool LERAhttps://lear.inrialpes.fr/people/klaeser/software_image_annotation |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |