我們一直在尋找最佳的圖像注釋平臺，該平臺提供多種功能、項目管理工具和注釋過程的優(yōu)化（當您需要注釋50k圖像時，每個圖像減少1秒鐘?。?/p>

基于我們在每個平臺上的經驗，對每個平臺通過一定的標準進行了客觀介紹，希望這將有助于數(shù)據(jù)科學家手動標記他們的數(shù)據(jù)。

通過下面的標準對各個平臺進行了介紹：

價格各種功能、工具和格式項目管理和易用性

1.LabelIMG

LabelImg是一個開源圖像標記工具，它為Windows預先構建了二進制文件，因此它非常易于安裝。

僅支持邊界框（還有一個RotatedRect格式的版本和一個類標記的優(yōu)化版本），但沒有更高級的功能。格式為PascalVoc XML，并且為源文件夾中的每個圖像單獨保存注釋文件。項目管理：它沒有項目管理屬性，但它確實允許一種簡單的方法來導入和可視化注釋并在必要時進行更正。簡單的離線界面使得注釋過程非?？?，即使它不支持許多熱鍵快捷方式。

2.VGG Image Annotator

VGG是一個開源工具，就像LabelImg一樣，它可以很好地完成不需要項目管理的簡單任務。它可以作為在線接口使用，也可以作為HTML文件離線使用。

提供了更多的工具，包括點、線、多邊形、圓和橢圓(僅在此列表中支持圓和橢圓!)還可以添加對象和圖像屬性/標簽。注釋可以作為一個包含所有注釋的JSON文件下載，也可以作為一個CSV文件下載，如果需要查看注釋，還可以在之后上傳。項目管理：在數(shù)據(jù)集管理和用戶方面沒有什么先進的功能，但是它的界面是多邊形注釋最有效和最精確的界面之一，因為它允許您查看多邊形的線條而不是其他任何內容。它們支持一些熱鍵快捷方式，一般來說應用程序非常輕量級。

3.Supervise.ly

Supervis.ly是一個非常棒的基于web的平臺，它提供了一個高級的注釋接口，同時還提供了一個自托管的基礎設施，用于模型培訓和改進，并帶有一個人在循環(huán)的功能。

一系列工具，包括點，線，盒，多邊形和用于語義分割的位圖畫筆（我們還沒有發(fā)現(xiàn)它們的智能工具太有用了）。還包括在多邊形中繪制孔的可能性，這是非常有價值的。另一個非常有用的功能是添加圖像和對象標簽以及在圖層中排序圖形的選項。每個圖像或PNG蒙版的輸出都在JSON文件中，平臺還允許您上傳Cityscapes和COCO等格式。此外，還可以選擇直接在平臺上進行數(shù)據(jù)轉換。項目管理：該平臺為數(shù)據(jù)集管理提供了大量選項，包括為用戶添加細化權限，監(jiān)控性能統(tǒng)計，標記對象等。缺少的一些事情是時間統(tǒng)計和質量控制機制。他們的技術支持團隊隨時可以解決問題。該界面允許非常精確的工作并支持可定制的熱鍵快捷方式，但最近性能有時很慢，如果平臺需要花費大量時間在圖像之間切換和記錄注釋，這可能會非常令人沮喪。

4.Labelbox

Labelbox是另一個偉大的基于網絡的平臺，于2018年初推出，從那時起不斷更新和改進其功能。它還提供了通過導入模型預測并查看貼標機和模型之間的共識來集成人在環(huán)的可能性。

提供完整的注釋工具，如點，線，盒和多邊形，最近為他們的語義分割畫筆添加了一個很棒的新功能 – 一個超級像素著色選項，使生活變得如此簡單（就像這樣和這個開源工具）。輸出是一個包含所有注釋或PNG掩碼的JSON或CSV文件（但是，每個類都有一個掩碼，用戶需要弄清楚如何處理重疊區(qū)域）

項目管理：設置項目非常簡單，監(jiān)控性能有很多選項，包括標記圖像所需的秒數(shù)統(tǒng)計，以及激活不同貼標機之間的自動共識。您可以選擇邀請用戶（雖然權限不是那么精細）并查看每個用戶的工作。標簽界面非常人性化，并支持熱鍵快捷鍵（雖然不可自定義）。免費版中缺少的一件事是上傳注釋以便可視化或編輯它們的選項。需要別的嗎？以下是您可以考慮的其他一些平臺：

Diffgram – 一個非常有前途的平臺仍然在beta版，通過訓練RCNN優(yōu)化圖像注釋；RectLabel – 用于為MacOS綁定框和多邊形的絕佳工具；Prodigy-它們提供了一個自托管的后端，具有不同的注釋接口，包括帶有邊框的圖像注釋;供個人使用(每位用戶終身使用)；DataTurks—提供許多注釋功能的平臺;免費版本中注釋的數(shù)據(jù)是公開的；ImageTagger -一個用于協(xié)作圖像標簽的開源平臺Fast Annotation Tool? – 另一個開源工具，使用OpenCV用于RotatedRect格式的邊界框；LabelMe – 麻省理工學院用于多邊形注釋的行業(yè)經典開源工具;但精度非常低；PolygonRNN + – 僅作為演示版提供，但仍然非常有前景;在Cityscapes數(shù)據(jù)集上訓練的工具確實為自動駕駛汽車生成自動標簽，并加強學習。