【内容概要】: LabelMe智能标注版是一款集成SAM(Segment-Anything Model)的高级图像标注工具,专为AI项目设计。它不仅提供传统的手动标注功能,还融入自动化标注支持,利用SAM模型初步识别图像中的目标区域,显著加快标注效率。用户可交互式调整模型预测,实现精准标注,导出多样化数据格式,无缝对接各类机器学习与深度学习框架。 【适用人群】: 该工具面向AI研发团队、计算机视觉工程师、数据科学家、机器学习研究员、图像处理专业人士以及对图像数据集有精细化标注需求的学生与教师,特别是追求高效标注流程与高质量数据集构建的用户。 【使用场景】: 广泛适用于自动驾驶、医疗影像分析、无人机监测、卫星图像处理、生物多样性研究、安防监控、电子商务商品识别等领域的图像数据预处理。特别适合大型图像数据集的快速标注项目,或需要高精度物体轮廓细节的复杂场景标注工作。 【目标】: 通过结合用户指引的智能辅助标注与人工审核调整,显著减少手动标注时间,提升标注精度与一致性,简化AI模型训练数据准备流程,加速算法研发周期,助力实现更高效、更准确的计算机视觉模型训练与应用部署。
2024-08-22 09:35:56 12.33MB 人工智能 图像标注
1
Labelme是一个开源的图像标注工具,由麻省理工学院(MIT)开发。它是一个在线的JavaScript工具,可以在任何地方使用,无需在电脑中安装大型数据集。此外,Labelme也可以在PyCharm中运行,方便进行二次开发。Labelme的使用和二次开发涉及许多知识。比如,可以通过修改相应的.py文件来实现汉化,将界面上的英文菜单和提示信息改为中文。此外,Labelme的界面开发使用了图形开发工具QT Designer,这是一种可以集成到PyCharm中的工具,可以生成.ui文件并转换为.py文件,从而实现图形界面开发。在使用和研究Labelme的过程中,可能会遇到一些问题,例如转化为.exe文件时的路径不正确问题,需要根据提示信息修改程序路径;或者图片不能显示的问题,需要将图片转换为base64形式保存。这些都是PyInstaller需要完善的地方。总的来说,Labelme是一个强大的图像标注工具,适合在图像处理和机器学习等领域使用。 项目源地址:https://github.com/wkentaro/labelme/releases
2024-04-23 07:39:29 105.73MB javascript 开发工具 数据标注 数据集
1
舌苔数据集,两千多张图片,512x512通道,包含原图和labelme打好的标签
2024-01-22 16:30:28 206.13MB 数据集 python pytorch tensorflow
1
labelme数据标注格式转换为YoloV8语义分割数据集,并可自动划分训练集和验证集
2023-11-20 16:33:22 1.95MB 数据集 人工智能 深度学习
1
使用最新的github源程序打包的单个可执行程序Labelme.exe文件! 省去了安装anaconda环境后再配置Label环境的步骤,直接双击Windows环境下使用,便于协同标注,提高标注效率。 labelme工具主要用于图像分割领域制作自己的数据集; labelme可以自己制作像MaskRCNN模型做图像分割训练需要的数据集。
2023-02-28 15:50:55 58.3MB 深度学习 数据标注 Labelme.exe
1
数据标注工具labelme中文版,适合用于目标检测与分割任务的相关数据集制作,提供json数据格式及转换功能。其功能方便快捷,提供一键执行程序,无需额外下载其他安装包。
2023-02-22 19:58:46 54.88MB 数据标注 目标检测 目标分割 深度学习
1
labelme:用Python实现的图像可视化标记工具 labelme:带有 Python 的图像注释工具 Labelme 是一种图形图像注释工具,其灵感来自 http://labelme.csail.mit.edu。 它是用 Python 编写的,并使用 Qt 作为其图形界面。 要求 Ubuntu / macOS / Windows Python2 / Python3 PyQt4 / PyQt5 安装 有选项: 平台 agonistic 安装:Anaconda、Docker 平台特定安装:Ubuntu、macOS Anaconda 需要安装 Anaconda,然后在下面运行:conda create --name=labelme python= 2.7 source activate labelme conda install pyqt pip install labelme Docker 你需要安装docker,然后运行如下: wget https://raw.githubusercontent.com/wkentaro/labelme/master/scripts/label
2023-02-19 16:43:42 12.4MB 机器学习
1
LabelMe 12-50k 数据集是一个物体识别数据集,总共包含 50000 张 JPEG 格式的图片,其中 40000 张为训练数据,10000张为测试数据,图像均从 LabelMe 网站中提取得到。每张图像分辨率为 256x256 大小。其中 50% 的图片在中心位置有一个物体,该物体属于类别总数为12类中的一类。其余 50% 图片为随机选取的图片中的一块随机区域。
2023-01-17 08:57:42 461.54MB 图像识别 图像分类 图像检测
1
花生胚芽标记25张图, labelme标记 花生胚芽标记25张图, labelme标记 花生胚芽标记25张图, labelme标记
2023-01-04 17:29:10 4.11MB 花生 胚芽 标记 labelme
图片标注
2022-12-15 15:15:12 59.44MB 图片标注
1