目标检测和图像分割常用的标注工具

1 LabelImg

LabelImg 是一款开源的图像标注工具，标签可用于分类和目标检测，它是用 Python 编写的，并使用Qt作为其图形界面，简单好用。注释以 PASCAL VOC 格式保存为 XML 文件，这是 ImageNet 使用的格式。此外，它还支持 COCO 数据集格式。

2 Labelme

labelme 是一款开源的图像/视频标注工具，标签可用于目标检测、分割和分类。灵感是来自于 MIT 开源的一款标注工具 LabelMe。labelme 具有的特点是：
(1)支持图像的标注的组件有：矩形框，多边形，圆，线，点（rectangle, polygons, circle, lines, points）
(2)支持视频标注
(3)GUI 自定义
(4)支持导出 VOC 格式用于 semantic/instance segmentation
(5)支出导出 COCO 格式用于 instance segmentation

3 Labelbox

Labelbox 是一家为机器学习应用程序创建、管理和维护数据集的服务提供商，其中包含一款部分免费的数据标签工具，包含图像分类和分割，文本，音频和视频注释的接口，其中图像视频标注具有的功能如下：
(1)可用于标注的组件有：矩形框，多边形，线，点，画笔，超像素等（bounding box, polygons, lines, points，brush, subpixels）
(2)标签可用于分类，分割，目标检测等
(3)以 JSON / CSV / WKT / COCO / Pascal VOC 等格式导出数据
(4)支持 Tiled Imagery (Maps)
(5)支持视频标注（快要更新）

4 RectLabel

RectLabel 是一款在线免费图像标注工具，标签可用于目标检测、分割和分类。具有的功能或特点：

(1)可用的组件：矩形框，多边形，三次贝塞尔曲线，直线和点，画笔，超像素
(2)可只标记整张图像而不绘制
(3)可使用画笔和超像素
(4)导出为YOLO，KITTI，COCO JSON和CSV格式
(5)以PASCAL VOC XML格式读写
(6)使用Core ML模型自动标记图像
(7)将视频转换为图像帧

5 CVAT

CVAT 是一款开源的基于网络的交互式视频/图像标注工具，是对加州视频标注工具（Video Annotation Tool）项目的重新设计和实现。OpenCV团队正在使用该工具来标注不同属性的数百万个对象，许多 UI 和 UX 的决策都基于专业数据标注团队的反馈。具有的功能:
(1)关键帧之间的边界框插值
(2)自动标注（使用TensorFlow OD API 和 Intel OpenVINO IR格式的深度学习模型）

6 VIA

VGG Image Annotator（VIA）是一款简单独立的手动注释软件，适用于图像，音频和视频。 VIA 在 Web 浏览器中运行，不需要任何安装或设置。页面可在大多数现代Web浏览器中作为离线应用程序运行。
支持标注的区域组件有：矩形，圆形，椭圆形，多边形，点和折线

其他标注工具

liblabel，一个用 MATLAB 写的轻量级语义/示例(semantic/instance) 标注工具。 ImageTagger：一个开源的图像标注平台。 Anno-Mage：一个利用深度学习模型半自动图像标注工具，预训练模型是基于MS COCO数据集，用 RetinaNet 训练的。

当然还有一些数据标注公司，可能包含更多标注功能，例如对三维目标检测的标注（3D Bounding box Labelling），激光雷达点云的标注（LIDAR 3D Point Cloud Labeling）等。