#图像标注

supervision

Supervision 是一个模型无关的计算机视觉工具包，支持分类、检测和分割模型的集成。用户可以加载数据集、可视化检测结果并进行区域统计。该工具包提供了丰富的注释和数据集处理功能，适用于零售和交通管理等领域。了解更多关于使用 Supervision 加速计算机视觉应用开发的信息。

labelme

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。

VoTT

VoTT是一个基于React和Redux的开源图像和视频标注工具，支持从本地或云存储导入数据，并将标注数据导出到不同的存储提供商。作为机器学习工作流中的工具，VoTT提供图像和视频帧的标签功能，采用现代开发框架TypeScript编写，并进行代码检查和单元测试。支持Azure Blob Storage、Bing Image Search等多种数据源，用户可通过浏览器使用Web版本。

Rectlabel-support

RectLabel 是一款图像标注工具，支持 Segment Anything 和 Core ML 模型的自动标注，能够识别文本、曲线、点线和骨架等。支持导出COCO、Labelme、CreateML、YOLO和DOTA格式，以及索引色和灰度掩码图像。通过自定义热键和快捷设置，提高标注效率，满足不同图像处理需求。

prodigy-recipes

本项目提供了一系列自定义的Prodigy脚本食谱，涵盖命名实体识别、文本分类、术语提取和图像标注等任务，旨在帮助提升训练数据的质量和模型性能。这些脚本附有详细注释和简化示例，适合处理各种数据标注需求。使用这些脚本需拥有Prodigy许可。

lvis-api

LVIS API 提供读取和交互注释文件、可视化注释和评估结果的功能。该项目包含超过16.4万张图像和200万高质量实例分割掩码，并涵盖1200多个基础对象类别。支持在虚拟环境中通过pip安装。该API已在第2届联合COCO和LVIS工作坊的ECCV 2020大会上发布，适用于大规模词汇实例分割的研究和应用。

BMW-Labeltool-Lite

一款无需复杂配置的图像数据标注工具，专注于边界框标注，支持即刻应用于深度学习训练数据。使用Docker环境快速部署，兼容Yolov4和TensorFlow训练平台，并支持连接预训练模型以加速标注。LabelTool lite简化了浏览、缩放、上传和管理数据集的过程，提升数据标注效率和质量。

OCR_DataSet

OCR_DataSet项目整合了13个知名的多语言OCR数据集，涵盖ICDAR2015、MLT2019和COCO-Text_v2等。项目特色包括数据格式统一化、便捷的百度网盘下载、详尽的数据集信息表和简化的读取脚本。此外，项目还提供了数据生成工具链接，为OCR领域的研究和开发工作提供了全面的资源支持。

People For AI

People For AI提供专业数据标注服务，专注于机器学习项目的训练数据集制作。公司擅长复杂图像和文本标注，采用内部长期雇佣的专业人员确保质量和安全。透明的项目管理和专家团队支持是其特色。通过高质量数据标注，People For AI旨在加速客户的AI项目部署进程。