2024 年最流行的 11 种图像注释工具指南。请继续阅读，比较它们的功能和价格，选择最适合您使用情况的图像注释工具。

现在是 2024 年，在将计算机视觉项目推向市场的过程中，注释图像仍然是最耗时的步骤之一。为了帮助您，我们列出了目前最流行的图像注释工具。

无论你是

• 计算机视觉团队利用内部注释工具制造无人驾驶飞机、
• 一个从事自动驾驶项目的数据科学家团队正在寻找大规模标签服务、
• 或者是在医疗保健行业工作的数据运营团队，他们正在为放射科医生寻找合适的平台，以准确标注 CT 扫描结果、

本指南将帮助您比较顶级注释工具并找到适合您的工具。

我们将根据关键因素对每个因素进行比较，包括图像注释功能、对不同数据类型和用例的支持、QA/QC 功能、安全性和数据隐私、与机器学习管道的集成以及客户支持。

但首先，让我们探讨一下从可用提供商中选择图像注释工具的过程。选择正确的图像注释工具是一个关键的决定，可以显着影响注释过程的质量和效率。为了做出明智的选择，必须考虑多个因素并评估图像注释工具是否适合特定需求

评估计算机视觉项目的图像注释工具

选择完美的图像注释工具就像为您的绘画选择完美的画笔一样。不同的项目需要特定的注释需求，这些需求决定了下游组件的方式。在评估适合您的项目规范的注释工具时，您必须考虑几个关键因素。在本节中，我们将探讨这些关键因素和实际考虑因素，以帮助您导航选择过程并找到最适合您的计算机视觉应用的图像注释工具。

• 注释类型：有效的图像注释工具应该支持各种注释类型，例如边界框（对于对象定位来说是理想的）、多边形（对于详细的对象轮廓有用）、关键点（对于姿态估计）和语义分割（对于场景理解）。该工具必须适应不同的注释要求，允许用户根据手头的任务精确且具体地注释图像。
• 用户界面（UI）和用户体验（UX）：用户界面对于注释过程的效率和准确性起着至关重要的作用。一个好的注释工具应该有一个直观的界面，易于导航，减少用户的学习曲线。清晰的说明、用户友好的控件和高效的工作流程有助于提供更流畅的注释体验。
• 可扩展性：考虑该工具随着数据量不断增长而扩展的能力。对于需求不断变化的项目来说，有效处理大型数据集和多个注释器的工具至关重要。
• 自动化和人工智能集成：寻找提供自动化功能（例如自动注释或建议）的图像标签工具，以加速注释过程。与人工智能 (AI) 算法集成可以通过自动执行重复任务、减少手动工作并提高注释准确性来进一步提高效率。
• 协作和工作流程管理：评估工具的协作功能，包括版本控制、用户角色和工作流程管理。协作工具对于处理复杂注释项目的团队至关重要。
• 数据安全和隐私：确保该工具遵守 GDPR 等数据安全和隐私标准。评估有关敏感数据处理的加密方法、访问控制和策略。
• 定价：考虑各种定价模型，例如按用户、按项目或订阅模型。还要考虑可扩展性成本和潜在的额外费用，确保定价结构的透明度。

一旦确定了哪些因素对于评估图像注释工具最重要，下一步就是了解如何评估它们对您的特定用例的适用性。

11 个最流行的图像注释工具

Encord

Encord 是一个领先的数据平台，用于构建注释工作流程、管理可视化数据、查找和修复数据错误以及监控模型性能。

主要特征

• Encord 是一个最先进的人工智能辅助标签和工作流程工具平台，通过微模型丰富，非常适合各种注释和标签用例、QA 工作流程和训练计算机视觉模型。
• Encord 专为计算机视觉应用程序而设计，为各种注释类型提供本机支持，例如边界框、多边形、折线、实例分割、关键点、分类等等。
• Encord 提供特定于用例的注释，范围从用于医学成像的本机 DICOM 和 NIfTI 注释到满足地理空间应用中的 SAR（合成孔径雷达）数据的专业功能。
• 适用于计算机视觉和机器学习团队的集成 MLOps 工作流程 — 检测训练数据中的边缘情况和差距，并生成增强数据以提高标签质量。
• 简化的协作、注释器管理和质量保证工作流程有助于精确跟踪注释器性能并提高标签质量。
• 强大的安全功能 — 标签审核跟踪、加密、FDA、CE 合规性和 HIPAA 合规性。
• 先进的 Python SDK 和 API 访问，再加上 JSON 和 COCO 格式的轻松导出功能，增强了灵活性以及与外部系统的集成。
• 自动查找并修复数据集偏差和错误，例如异常值、重复和标签错误。
• 数据和标签的集成标记，包括离群标记。
• 采用质量指标（数据、标签和模型）来评估和改进跨数据管理、数据标记和模型训练的机器学习管道性能。

最适合

• 从内部解决方案、开源工具或基本商业工具毕业的商业团队需要一个强大、安全和协作的企业级平台来扩展注释工作流程。

• 致力于处理需要高级注释工具和/或功能的复杂或独特用例的团队，包括复杂的嵌套本体或本地渲染 DICOM 格式。

Scale

Scale AI（现为 Scale）是一个数据和标签服务平台，支持计算机视觉用例，但专注于 RLHF、用户体验优化、大型语言模型和合成数据。

主要特点

• 强大的劳动力管理
• 支持多种数据模式
• 数据集管理

最适合

• 寻找标签服务的团队应该知道…Scale 是数据标记服务的一个非常流行的选项。

• 寻找自动驾驶汽车视觉注释工具的团队应该知道…Scale 是市场上最早支持 RADAR 和 LiDAR 用例的 3D 传感器融合注释的平台之一。

• 寻找医学成像注释工具的团队应该知道…像 Scale 这样的平台通常不支持 DICOM 或 NIfTI 数据类型，也不允许公司在平台上使用自己的注释者。

价钱

以每张图像为基础

CVAT

CVAT（计算机视觉注释工具）是由英特尔构建的开源、基于网络的注释工具包。对于图像标记，CVAT 支持四种类型的注释：点、多边形、边界框和折线，以及计算机视觉任务的子集：图像分割、对象检测和图像分类。 2022 年，CVAT 的数据、内容和 GitHub 存储库迁移到 OpenCV，CVAT 继续开源。

主要特征

• 轻松免费地开始标记图像
• 非常适合手动数据注释
• 地面注释功能

最适合

• 学生、研究人员和学者通过图像注释（可能使用一些图像或小型数据集）进行测试
• 对于商业团队来说并不可取，因为它缺乏可扩展性、协作功能和强大的安全性。

价钱

Free

💡 关于使用 CVAT 进行图像标记的更多见解：

如果您的团队正在寻找免费的注释工具，您应该知道…… CVAT 是该领域最受欢迎的开源工具之一，自 2021 年以来下载量超过 100 万次 - CVAT 的其他流行的免费图像注释替代品包括 3D Slicer、 Labelimg、VoTT（视觉对象标记工具 - 由 Microsoft 开发）、VIA（VGG 图像注释器）、LabelMe 和 Label Studio。

如果数据安全是您的注释项目的要求…… 商业标签工具很可能更适合 - 关键安全功能，如审计跟踪、加密、SSO 和通常要求的供应商认证（如 SOC2、HIPAA、FDA 和 GDPR）通常在开源工具中不可用。

Labelbox

Labelbox 是一家成立于 2017 年的美国数据标注平台。与本指南中提到的大多数其他平台一样，Labelbox 既提供图像标注平台，也提供标注服务。

Key Features 主要特征

• QA 工作流程和注释器性能跟踪
• 通过 Labelbox Boost 提供第三方标签服务
• 模型辅助注释
• 支持图像以外的多种数据类型，尤其是文本

最适合

• 正在寻找快速注释文档和文本的平台的团队

• 执行特定用例的注释项目的团队应该知道……作为通用工具，像 Labelbox 这样的平台非常擅长处理各种数据类型。如果您正在开发一个独特的特定于用例的注释项目（例如 DICOM 格式的扫描或需要像素完美注释的高分辨率图像），其他商业图像注释平台将更适合：查看我们的博客探索最佳 DICOM 标签工具。

价钱

• 根据数据量、需要标记的总数据量的百分比、席位数量、项目数量以及模型训练中使用的数据百分比而变化。

• 对于较大的商业团队，随着项目规模的扩大，此定价可能会变得昂贵。

Playment

Playment 是一个完全托管的数据注释平台。这家劳动力标签公司于 2021 年被 Telus 收购，在手动标签机和机器学习平台的支持下，为计算机视觉团队提供各种用例的培训数据。

主要功能

• 全球承包商和数据贴标员队伍

• 人工辅助的二维和三维图像注释功能

• 语音识别训练平台（处理500+种语言和方言的所有数据类型）

最适合

寻找完全托管解决方案的团队，他们不需要了解流程

定价

企业计划

应用程序

澳鹏是一家成立于1996年的数据标注服务平台，是市场上最早也是最古老的解决方案之一。该公司为各行各业提供数据标注服务，并于 2019 年收购了 Figure Eight，以构建其软件功能，并帮助企业训练和改进其计算机视觉模型。

主要特点

• 支持多种注释类型（边界框、多边形和图像分割）
• 数据来源（预标记数据集）、数据准备和真实世界模型评估
• 提供自然语言处理和功能，以提供更广泛的文本转语音支持

最适合

• 寻找图像数据来源和收集以及注释服务的团队

定价

• 企业计划

Dataloop

Dataloop是一个位于以色列的数据标签平台，为数据管理和注释项目提供全面的解决方案。该工具提供跨图像、文本、音频和视频注释的数据标记功能，帮助企业训练和改进其机器学习模型。

主要特点

• 图像标注任务的功能，包括分类、检测和语义分割
• 支持视频注释
• 直观的用户界面

最适合

• 为满足各种数据注释需求而寻找通用注释工具的团队
• 执行特定用例的图像和视频标注项目的团队应该知道… 作为通用工具，Dataloop 等平台是为支持各种简单用例而构建的，因此，如果您要标注特定用例的标注项目（如卫星成像中需要像素完美标注的高分辨率图像或医疗团队的 DICOM 文件），其他商业平台会更适合您。

定价

免费试用和企业计划

V7 Labs

V7 是一家总部位于英国的数据标注平台，成立于 2018 年。该公司使团队能够对训练数据进行注释，支持人机交互流程，并与注释服务连接。V7 提供各种数据类型的注释以及图像注释工具，包括文档和视频。

主要功能

• 项目管理和自动化工作流程功能，具有实时协作和标记功能
• 综合标签服务
• 多种注释类型的模型辅助注释（分割、检测等）

最适合

• 寻找通用平台的学生或团队，可在一个地方轻松注释不同类型的数据（如文档、图像和短视频）。
• 针对特定用例注释的功能有限

定价

• 各种选择，包括学术、商业和职业等。

Hive

Hive 成立于 2013 年，为希望标注各种数据类型内容（包括图像、视频、音频、文本等）的公司提供基于云的人工智能解决方案。

主要功能

• 集成图像注释工具
• 支持独特的图像注释用例（广告定位、半自动徽标检测）
• 只需调用一次应用程序接口，即可灵活访问模型预测结果
• 自带人工智能模型（BYOM）

最适合

• 团队为图片和其他数据类型贴标签，以便进行内容审核。

定价

• Enterprise plan 企业计划

COCO Annotator

COCO Annotator 是一款基于网络的图像标注工具，由 Justin Brooks 在 MIT 许可下制作。该工具专为简化对象检测、定位和关键点检测模型的图像标注过程而设计，具有一系列功能，可满足机器学习从业人员和研究人员的不同需求。

主要功能

• 它能够使用自由格式的曲线、关键点和多边形来标记数据集，为注释各种对象和形状提供了灵活的解决方案。
• 为了便于大规模对象检测，该工具以 COCO 格式导出和存储注释。
• 该工具通过结合半训练模型的使用来促进图像注释。此外，它还提供对高级选择工具的访问，包括 MaskRCNN 魔棒和 DEXTR。

最适合

• COCO Annotator 是 ML 研究人员的不错选择，更适合用于对象检测和关键点检测等任务的图像注释。

价格

• 免费

Make Sense

MakeSense 是一款用户友好的开源注释工具，采用 GPLv3 许可。该工具可通过网络浏览器访问，无需高级安装，可简化各种图像类型的注释过程。

主要功能

• Make Sense 作为一个开源工具脱颖而出，在 GPLv3 许可下免费提供，促进了协作和社区参与，以实现其持续开发。
• 它确保了基于 Web 的可访问性，无需复杂的安装即可在 Web 浏览器中无缝运行，从而促进了各种设备的易用性。
• 它有助于导出多种格式（YOLO、VOC XML、VGG JSON 和 CSV）的注释，确保与各种机器学习算法的兼容性并无缝集成到各种工作流程中。

最适合

• 寻求高效解决方案的小型团队。

价格

• 免费

VGG Image Annotator

VGG Image Annotator （VIA） 是由 Visual Geometry Group （VGG） 精心打造的多功能开源工具，用于对图像和视频数据进行手动注释。VIA 在宽松的 BSD-2 条款许可下发布，可满足学术和商业用户的需求，为注释任务提供轻量级且易于访问的解决方案。

主要功能

• 威盛是一个轻量级的、独立的注释工具，利用 HTML、Javascript 和 CSS，无需外部库，无需设置或安装即可在现代 Web 浏览器中离线使用。
• 该工具旨在离线使用，在大小小于 200 KB 的单个 HTML 文件中提供完整的应用程序体验。

最适合

• VGG Image Annotator （VIA） 非常适合参与学术研究人员项目的个人和小型团队。

价格

• 免费

图像注释工具：主要启示

你有它！11 年计算机视觉的 2024 种最佳图像注释工具。

如需进一步阅读，您可能还想查看一些 2024 年的荣誉提名，包括付费和免费注释工具：

• Labelstudio - 用户友好的开源图像注释工具，因其手动注释处理功能而受到称赞。
• Supervisely - 商业数据标注平台因其质量控制功能和基本的插值功能而受到称赞。
• VoTT - 开源工具，因其标签和资产导出到 Tensorflow （PascalVOC） 和 YOLOformat 而受到称赞。