收藏丨影象資料標註有哪些好用的工具
隨著AI與傳統行業的不斷融合以及5G的發展，AI資料服務方式由粗放式向著精細化方向過渡，資料標註工具的發展也經歷了從
「能用就行」
到
「好用且高效」
的階段。
大家都知道不同的標註型別使用的標註方法、工具、儲存型別都不一樣，在瞭解影象標註工具之前，我們先來看看影象標註都有哪些資料型別
影象/影片標註型別
2D框
給標註工具提供一幅影象，讓其在影象內特定物件周圍繪製一個框。
最簡單的圖片資料標註型別，成本最低，應用最廣泛。
多邊形分割
標註工具會透過在需要標註的物件的外邊緣，放置許多個點來繪製成線，勾勒輪廓。
用於圖片和影片中精確的物體檢測和位置定位，更精準、更耗時、成本更高。
關鍵點標註
透過人工的方式，在規定位置標註上關鍵點，例如人臉關鍵點、骨骼點。常用於面部或姿勢識別模型。
線標註
主要用於自動駕駛車輛的道路識別，定義不同道路。
語義分割
根據物體的屬性，對複雜不規則圖片進行進行區域劃分，並標註對應的屬性，以幫助訓練影象識別模型，常應用於自動駕駛汽車、人機互動、虛擬現實等領域。
比較精準，耗時比較長，對圖片上的所有內容進行標註。
影片標註
以幀為單位在一系列影象中定位和跟蹤物體，多用於訓練車輛、行人、騎行者、道路等自動駕駛領域的模型。
2/3D融合標註
透過3D點雲資料，返求出2D圖片的相對位置，對點雲資料和圖片資料同時標註。
用於多感測器融合平臺的資料處理，多應用於自動駕駛場景。
標註工具推薦
·CVAT
CVAT是免費的、線上的、互動式的影片註釋工具，它的靈感來自Vatic。支援本地部署，無需擔心資料外洩。
網址
https：//
github。com/opencv/cvat
標註型別
1。多邊形分割、語義分割、2D框、線標註、點標註
2。3D點雲
3。影片標註
檔案匯出格式
CVAT for video、CVAT for images、PASCAL VOC、（VOC） Segmentation mask、YOLO、COCO、TFRecord、MOT、LabelMe 3。0、Datumaro
亮點/優勢
1.支援多人協作
CVAT帶有使用者管理系統，可以建立、刪除新成員，併為成員分配不同角色。如管理員、使用者、標註員、質檢員
2.標註功能強大
能用於幾乎所有CV相關標註任務，如點，多邊形，語義分割等，並且包含了插值標註即一個影片中若干幀，標註起始幀中間會自動生成、 帶有標註任務列表的儀表板等功能
3.預處理功能
使用TensorFlow OD API的自動標註，可以預處理一部分資料
4.持續更新
開源環境較好，工具在不斷完善中，有任何問題可以在gitchater問，回覆很快
不足
1。沒有「貝塞爾曲線」，只能一個一個點
2。只適用於谷歌瀏覽器，在其他瀏覽器中表現不佳
3。儘管 CVAT 支援一些自動測試，但所有質檢都必須手動完成
4。由於Chrome Sandbox的效能限制，CVAT在某些用例中可能會出現效能問題
·VOTT
微軟釋出的一款基於javascript開發用於影象目標檢測的標註工具，使用React+Redux進行開發，支援Windows和Linux平臺執行。分為V1和V2兩個版本，目前V1已經廢棄，V2是V1版本的重構和最佳化，建議大家直接用V2。
網址
https：//
github。com/microsoft/Vo
TT
標註型別
支援點、線、2D框、語義分割與影片資料標註
檔案匯出格式
CNTK/Pascal VOC、TFRecord、CSV、VoTT等格式
亮點/優勢
1。安裝方便，直接下載exe檔案即可
2。VoTT的學習成本低、上手快
不足
1。不支援多人協作
2。VoTT的標註會超出影象的最大畫素範圍，如果模型對座標有規定範圍的話，則需要進行特定處理
3。資料無法加密儲存，不適合私密資料標註
4。不能匯入已有的標註結果（如bbox）
5。程式不穩定：VoTT是桌面應用，經常宕機，經常會報錯
·Labelme
Labelme 是一個圖形介面的影象標註軟體。其的設計靈感來自於
http：//
labelme。csail。mit。edu/
。它是用 Python 語言編寫的，圖形介面使用的是 Qt（PyQt）。
網址
https：//
github。com/wkentaro/lab
elme
標註型別
1。多邊形分割、語義分割、2D框、線標註、點標註
2。影片標註
3。對影象進行進行 flag 形式的標註（可用於影象分類和清理）
檔案匯出格式
JASON、VOC與COCO
亮點/優勢
1。使用者定製介面
2。支援全面標註方式：與labelImg相比，labelme除了矩形框之外，還可以使用圓形框，多邊形框，點，線等來對影象進行標註，用於目標檢測、影象分割等任務
3。可以對影象進行flag形式的標註，用於影象分類和清理任務
·LabelImg
LabelImg是圖形影象標註工，用Python編寫的，並將Qt用於其圖形介面，可以用於進行目標檢測專案的標註工作。
網址
https：//
github。com/tzutalin/lab
elImg
標註型別
2D矩形框，目標檢測
檔案匯出格式
PASCAL VOC 、YOLO 、CreateML
亮點/優勢
1。操作簡單快速，而且生成的標註檔案以XML檔案儲存，讀取方便，格式標準
2。支援VOC2012格式與tfrecord自動生成
不足
支援的標註型別少：僅支援2D框標註
·VIA-VGG Image Annotator
一款開源的影象標註工具，由Visual Geometry Group開發。可以線上和離線使用。可標註矩形、圓、橢圓、多邊形、點和線。
網址
下載地址：
http：//www。
robots。ox。ac。uk/~vgg/so
ftware/via/
Github：
https：//
gitlab。com/vgg/via
標註型別
1。多邊形分割、語義分割、2D框、線標註、點標註
2。Version3增加了對影片和音訊的標註
3。人臉標註
檔案匯出格式
csv和json
亮點/優勢
1。人臉資料標註提供了各種方便的操作，人臉資料標註首選工具
2。網頁原始碼開源，可離線使用還可進行二次開發，比如增加滑鼠十字線
3。標框可以複製（可前後幀複製），同樣大小可直接複製且繼承屬性，屬性面板較為清晰
4。適用多個瀏覽器：Chrome、Firefox、Safari、 Explorer、GNOME Web等
不足
多邊形工具，一旦繪製完多邊形無法增加錨點，只能調節點的位置
·Pixel Annotation Tool
影象語義分割與例項分割標註神器，互動式標註演算法思想是基於OpenCV中分水嶺演算法實現。
網址
https：//
github。com/abreheret/Pi
xelAnnotationTool
也可以直接下載編譯好的二進位制檔案使用，下載地址如下：
https：//
github。com/abreheret/Pi
xelAnnotationTool/releases
標註型別
語義分割與例項分割
亮點/優勢
1。快捷，半自動化，類似PS蒙版，基於OpenCV中分水嶺演算法實現
2。可以返回上一步
不足
1。標註物件若顏色分佈不均勻，軟體無法識別
2。如果識別出來，大機率覆蓋掉周圍物體，很難修改
·Vatic
Vatic是一個帶有目標跟蹤的半自動化影片標註工具，適合目標檢測任務的標註工
網址
https：//
github。com/cvondrick/va
tic/tree/contrib
標註型別
適合目標檢測任務的影片標註
檔案匯出格式
JSON
亮點/優勢
1。內含基於opencv的tracking，一段影片只需抽樣標註，大大減少了工作量
2。支援接入亞馬遜的眾包平臺Mechanical Turk，具體使用時，可以設定要標註的物體label，比如：水果，人，車，等等，然後指派任務給到眾包平臺
3。簡潔使用的GUI介面，支援多種快捷鍵操作
不足
僅支援2D框標註。
資料標註
資料是公認數字時代的石油。為了更好地對資料資源進行管理和開發利用，發揮資料資源的價值，國家定會加快培育資料要素市場，發揮資料生產要素的作用，啟用資料要素潛力，進一步完善資料生態，編制出臺培育資料要素市場的指導性檔案，資料標註行業，也將在快速發展的同時，更加規範化、制度化。
