访问官网
Github
文档
makesense.ai
makesense.ai 是一个免费使用的在线照片标注工具。由于使用浏览器，它不需要任何复杂的安装 - 只需访问网站即可开始使用。而且，无论你使用的是哪个操作系统，我们都尽最大努力实现真正的跨平台使用。它非常适合小型计算机视觉深度学习项目，使准备数据集的过程更加简单和快捷。准备好的标签可以下载为多种支持的格式。该应用程序是用TypeScript编写的，并基于React/Redux组合。
📄 文档
你可以在新发布的文档中找到更多关于我们工具的信息 - 仍在🚧建设中。让我们知道哪些话题应该优先涵盖。
🤖 先进的AI集成
makesense.ai 努力显著减少你在照片标注上花费的时间。我们尽全力集成最新和最强大的AI模型，这些模型可以为你提供建议，并自动化重复和枯燥的活动。
- YOLOv5 是我们目前最强大的集成。借助yolov5js，你不仅可以加载YOLOv5js-zoo的预训练模型，更重要的是，你可以加载通过YOLOv5训练并导出为tfjs格式的模型。
- 预训练于COCO数据集的SSD，它将为你在照片上绘制边界框的工作做一些工作，并在某些情况下建议标签。
- PoseNet 是一个视觉模型，可以用于估计图像或视频中人的姿势，通过估计关键身体关节的位置。
驱动我们AI功能的引擎是TensorFlow.js - 最流行的神经网络训练框架的JS版本。这个选择不仅加快了你的工作速度，还保护了你的数据隐私，因为与其他商业和开源工具不同，你的照片不需要传输到服务器。这次AI来到你的设备上！
💻 本地设置
# 克隆代码库
git clone https://github.com/SkalskiP/make-sense.git
# 进入主目录
cd make-sense
# 安装依赖
npm install
# 使用热重载在 localhost:3000 服务
npm start
为了在本地确保应用程序正常功能，需要npm 8.x.x和node.js v16.x.x版本。更多信息请见#16。
🐳 Docker 设置
# 创建Docker镜像
docker build -t make-sense -f docker/Dockerfile .
# 将Docker镜像以服务形式运行
docker run -dit -p 3000:3000 --restart=always --name=make-sense make-sense
# 获取Docker容器日志
docker logs make-sense
# 访问make-sense: http://localhost:3000/
⌨️ 键盘快捷键
| 功能 | 适用场景 | Mac | Windows / Linux |
|---|---|---|---|
| 多边形自动完成 | 编辑器 | Enter | Enter |
| 取消多边形绘制 | 编辑器 | Escape | Escape |
| 删除当前选定标签 | 编辑器 | Backspace | Delete |
| 加载上一张图片 | 编辑器 | ⌥ + Left | Ctrl + Left |
| 加载下一张图片 | 编辑器 | ⌥ + Right | Ctrl + Right |
| 放大 | 编辑器 | ⌥ + + | Ctrl + + |
| 缩小 | 编辑器 | ⌥ + - | Ctrl + - |
| 移动图片 | 编辑器 | Up / Down / Left / Right | Up / Down / Left / Right |
| 选择标签 | 编辑器 | ⌥ + 0-9 | Ctrl + 0-9 |
| 退出弹出窗口 | 弹出窗口 | Escape | Escape |
表 1. 支持的键盘快捷键
⬆️ 导出格式
| CSV | YOLO | VOC XML | VGG JSON | COCO JSON | PIXEL MASK | |
|---|---|---|---|---|---|---|
| 点 | ✓ | ✗ | ☐ | ☐ | ☐ | ✗ |
| 线 | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 矩形 | ✓ | ✓ | ✓ | ☐ | ☐ | ✗ |
| 多边形 | ☐ | ✗ | ☐ | ✓ | ✓ | ☐ |
| 标签 | ✓ | ✗ | ✗ | ✗ | ✗ | ✗ |
表 2. 支持的标签导出格式矩阵，其中：
- ✓ - 支持的格式
- ☐ - 尚未支持的格式
- ✗ - 不适用于给定标签类型的格式
你可以在我们的Wiki上找到导出文件示例及描述和架构。
⬇️ 导入格式
| CSV | YOLO | VOC XML | VGG JSON | COCO JSON | PIXEL MASK | |
|---|---|---|---|---|---|---|
| 点 | ☐ | ✗ | ☐ | ☐ | ☐ | ✗ |
| 线 | ☐ | ✗ | ✗ | ✗ | ✗ | ✗ |
| 矩形 | ☐ | ✓ | ✓ | ☐ | ✓ | ✗ |
| 多边形 | ☐ | ✗ | ☐ | ☐ | ✓ | ☐ |
| 标签 | ☐ | ✗ | ✗ | ✗ | ✗ | ✗ |
表 3. 支持的标签导入格式矩阵
- ✓ - 支持的格式
- ☐ - 尚未支持的格式
- ✗ - 不适用于给定标签类型的格式
🔐 隐私
我们不存储你的图片，因为我们根本不会将它们发送到任何地方。
🚀 教程
如果你刚刚开始你的深度学习冒险，并希望在此过程中学习和创造一些酷炫的东西，makesense.ai 可以帮你实现这一点。利用我们的边界框标注功能准备一个数据集，并使用它训练你的第一个最先进的物体检测模型。按照指示和示例，但最重要的是，释放你的创造力。
🏆 贡献
💬 引用
如果make sense对你的研究有帮助，请在你的出版物中引用make sense。以下是一个BibTeX条目示例：
@MISC{make-sense,
author = {Piotr Skalski},
title = {{Make Sense}},
howpublished = "\url{https://github.com/SkalskiP/make-sense/}",
year = {2019},
}
🪧 许可证
本项目通过GPL-3.0许可证授权 - 有关详情，请参阅LICENSE文件。版权所有 © 2019 Piotr Skalski。
