Labelme 简介
Labelme 是由美国麻省理工学院计算机科学与人工智能实验室（CSAIL）研发的开源图像标注工具，采用 Python 编写并基于 Qt 实现跨平台图形界面，旨在为计算机视觉和机器学习任务提供高质量的标注数据。项目的官方代码托管在 GitHub，地址为 https://github.com/wkentaro/labelme （亦可通过 MIT 原始网站 http://labelme.csail.mit.edu 访问）。
主要功能与特性
| 功能 | 说明 |
|---|---|
| 多种标注形状 | 支持多边形、矩形、圆、线、折线、点等多种几何形状，满足目标检测、实例分割、关键点标注等需求 |
| 视频帧标注 | 可先抽帧后对每帧进行标注，适用于视频数据的标注工作 |
| 标签管理 | 支持预定义标签列表、标签颜色自定义，便于统一标注规范 |
| 导出格式 | 标注结果默认保存为 JSON 文件，提供 labelme2voc、labelme2coco 等转换脚本，可直接生成 VOC、COCO 等主流数据集格式 |
| 跨平台 | 在 Windows、macOS、Linux 上均可运行，安装方式包括 pip install labelme、Conda 环境或 Docker 镜像 |
| 可扩展性 | 代码开源，用户可自行定制 GUI、添加自动保存、标签校验等功能，社区提供了多种二次开发版本 |
安装与使用流程
- 安装
pip install labelme或者在 Anaconda 环境中执行
conda install -c conda-forge labelme，也可使用 Docker 镜像快速部署。 - 启动
在终端输入labelme即可打开图形界面。左侧为标注工具栏，中央显示待标注图像，右侧展示已标注对象的属性列表。 - 标注
- 选择对应的形状（矩形、折线、圆等），在图像上绘制并在弹窗中输入标签名称。
- 支持一次标注多个对象，完成后点击 “保存”，生成同名的
.json文件，文件中记录了每个标注的label、points、shape_type等信息。
- 格式转换
适用场景
- 目标检测：标注矩形框或多边形，生成 VOC/COCO 数据集。
- 语义/实例分割：利用多边形标注对象轮廓，导出分割掩码。
- 关键点标注：使用点或折线标注人体关键点、面部特征等。
- 视频标注：先抽取关键帧，再逐帧标注，适用于行为识别、动作检测等任务。
参考链接
- GitHub 项目主页： https://github.com/wkentaro/labelme
- 官方文档与安装指南（GitHub README）： https://github.com/wkentaro/labelme#installation
- MIT 原始网站（示例与数据集）： http://labelme.csail.mit.edu
- 转换工具示例：
labelme2voc.py、labelme2coco.py（随源码提供）
通过上述功能与使用方式，Labelme 已成为学术研究、工业项目以及个人学习中最常用的图像标注工具之一，能够帮助用户高效、准确地构建训练所需的标注数据。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！