Список инструментов ручного аннотирования изображений

Ручное аннотирование изображения — это процесс ручного определения областей на изображении и создания текстового описания этих областей. Такие аннотации можно, например, использовать для обучения алгоритмов машинного обучения для приложений компьютерного зрения .

Это список компьютерного программного обеспечения , которое можно использовать для ручного аннотирования изображений.

Программное обеспечение	Описание	Платформа	Лицензия	Ссылки
Инструмент аннотаций компьютерного зрения (CVAT)	Инструмент компьютерного зрения (CVAT) — это бесплатный веб-инструмент с открытым исходным кодом, который помогает маркировать видео и изображения для алгоритмов компьютерного зрения. CVAT имеет множество мощных функций: интерполяцию ограничивающих рамок между ключевыми кадрами, автоматическое аннотирование с использованием TensorFlow OD API и моделей глубокого обучения в формате Intel OpenVINO IR, ярлыки для большинства важных действий, панель управления со списком задач аннотации, LDAP и базовые авторизации. и т. д. Он был создан и использовался профессиональной командой аннотаторов данных. UX и UI были оптимизированы специально для задач аннотирования компьютерного зрения.	JavaScript, HTML, CSS, Python, Джанго	МОЯ лицензия	^[1]^[2]^[3]
LabelMe	Онлайн-инструмент аннотаций для создания баз данных изображений для исследований в области компьютерного зрения.	Перл, JavaScript, HTML, CSS ^[4]	МОЯ лицензия
Энкорд	Encord — это автоматизированная платформа аннотаций для аннотирования изображений, видеоаннотаций и управления наборами данных с помощью искусственного интеллекта. Управление данными : компилируйте необработанные данные в тщательно подобранные наборы данных, организуйте наборы данных в папки и отправляйте наборы данных для маркировки. Маркировка с помощью искусственного интеллекта: автоматизируйте 97 % ваших аннотаций с точностью 99 %, используя функции автоматического аннотирования на основе модели Segment Anything Model компании Meta или LLaVA GPT-4. Совместная работа: плавно интегрируйте взаимодействие человека с настраиваемыми рабочими процессами — создавайте рабочие процессы с помощью конструктора перетаскивания без кода, чтобы они соответствовали вашим операциям с данными и конвейерам машинного обучения. Обеспечение качества : надежное управление аннотаторами и рабочие процессы контроля качества для отслеживания производительности аннотаторов и повышения качества этикеток. Интегрированные услуги по маркировке данных для всех отраслей: поручите выполнение задач по маркировке опытным специалистам, состоящим из проверенных, обученных и специализированных аннотаторов, которые помогут вам масштабироваться. Инструмент маркировки видео : обеспечивает ту же поддержку аннотаций к видео. Один из ведущих инструментов видеоаннотации с положительными отзывами клиентов, обеспечивающий автоматическое создание видеоаннотаций без ошибок частоты кадров. Надежная функциональность безопасности : маркировка журналов аудита, шифрование, соответствие FDA, CE и HIPAA. Интеграция : расширенный доступ к Python SDK и API (+ простой экспорт в форматы JSON и COCO).	Python, JavaScript, HTML, CSS ^[5]	Лицензия Apache-2.0
ДэйЛаб	Настольная интерактивная программная система с открытым исходным кодом для облегчения точного аннотирования донных видов на ортофотоснимках морского дна.	Питон ^[6]	лицензия GPL	^[7] ^[8]
VoTT (инструмент маркировки визуальных объектов)	Бесплатное электронное приложение с открытым исходным кодом для аннотирования и маркировки изображений, разработанное Microsoft .	TypeScript / Electron ( Windows , Linux , macOS )	МОЯ лицензия	^[9]^[10]^[11]^[12]^[13]

Ссылки

^ «Intel CVAT с открытым исходным кодом, набор инструментов для маркировки данных» . ВенчурБит . 05.03.2019 . Проверено 9 марта 2019 г.
^ «Инструмент аннотирования компьютерного зрения: универсальный подход к аннотированию данных» . программное обеспечение.intel.com . 01.03.2019 . Проверено 9 марта 2019 г.
^ «Исходный код средства аннотаций компьютерного зрения (CVAT) на github» . Гитхаб . Проверено 3 марта 2019 г.
^ «Источник LabelMe» . Гитхаб . Проверено 26 января 2017 г.
^ «Энкорд Источник» . Документация . Проверено 26 января 2017 г.
^ «Источник TagLab» . Гитхаб . Проверено 5 июля 2023 г.
^ Павони, Гея; Корсини, Массимилиано; Пончио, Федерико; Мунтони, Алессандро; Эдвардс, Клинтон; Педерсен, Николь; Сандин, Стюарт; Чиньони, Паоло (2022). «TagLab: аннотации с помощью искусственного интеллекта для быстрой и точной семантической сегментации ортоизображений коралловых рифов». Журнал полевой робототехники . 39 (3): 246–262. дои : 10.1002/rob.22049 . S2CID 244648241 .
^ Коста, Брайан; Суини, Эдвард; Мендес, Арнольд (октябрь 2022 г.). «Использование искусственного интеллекта для аннотирования морских донных видов и мест обитания». Технический меморандум Noaa Nos Nccos . 306 . дои : 10.25923/7kgv-ba52 .
^ Тунг, Лиам. «Бесплатное приложение для разработчиков искусственного интеллекта: новый инструмент IBM может маркировать объекты в видео» . ЗДНет .
^ Солавец, Джейкоб (27 июля 2020 г.). «Начало работы с инструментом аннотаций VoTT для компьютерного зрения» . Блог Робофлоу .
^ «Лучшие инструменты аннотаций с открытым исходным кодом для компьютерного зрения» . www.sicara.ai .
^ «Не только анализ настроений: обнаружение объектов с помощью ML.NET» . 20 сентября 2020 г.
^ «GitHub — microsoft/VoTT: Инструмент визуальной маркировки объектов: электронное приложение для создания комплексных моделей обнаружения объектов на основе изображений и видео» . 15 ноября 2020 г. – через GitHub.

[1] «Intel CVAT с открытым исходным кодом, набор инструментов для маркировки данных» . ВенчурБит . 05.03.2019 . Проверено 9 марта 2019 г.

[2] «Инструмент аннотирования компьютерного зрения: универсальный подход к аннотированию данных» . программное обеспечение.intel.com . 01.03.2019 . Проверено 9 марта 2019 г.

[3] «Исходный код средства аннотаций компьютерного зрения (CVAT) на github» . Гитхаб . Проверено 3 марта 2019 г.

[4] «Источник LabelMe» . Гитхаб . Проверено 26 января 2017 г.

[5] «Энкорд Источник» . Документация . Проверено 26 января 2017 г.

[6] «Источник TagLab» . Гитхаб . Проверено 5 июля 2023 г.

[7] Павони, Гея; Корсини, Массимилиано; Пончио, Федерико; Мунтони, Алессандро; Эдвардс, Клинтон; Педерсен, Николь; Сандин, Стюарт; Чиньони, Паоло (2022). «TagLab: аннотации с помощью искусственного интеллекта для быстрой и точной семантической сегментации ортоизображений коралловых рифов». Журнал полевой робототехники . 39 (3): 246–262. дои : 10.1002/rob.22049 . S2CID 244648241 .

[8] Коста, Брайан; Суини, Эдвард; Мендес, Арнольд (октябрь 2022 г.). «Использование искусственного интеллекта для аннотирования морских донных видов и мест обитания». Технический меморандум Noaa Nos Nccos . 306 . дои : 10.25923/7kgv-ba52 .

[9] Тунг, Лиам. «Бесплатное приложение для разработчиков искусственного интеллекта: новый инструмент IBM может маркировать объекты в видео» . ЗДНет .

[roboflow-10] Солавец, Джейкоб (27 июля 2020 г.). «Начало работы с инструментом аннотаций VoTT для компьютерного зрения» . Блог Робофлоу .

[11] «Лучшие инструменты аннотаций с открытым исходным кодом для компьютерного зрения» . www.sicara.ai .

[12] «Не только анализ настроений: обнаружение объектов с помощью ML.NET» . 20 сентября 2020 г.

[13] «GitHub — microsoft/VoTT: Инструмент визуальной маркировки объектов: электронное приложение для создания комплексных моделей обнаружения объектов на основе изображений и видео» . 15 ноября 2020 г. – через GitHub.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]