图像标注是向图像添加标签或注释的元数据，使图像上的内容具有上下文含义。这个过程在机器学习中具有重要意义，助于在训练视觉模型过程中准确地识别图像中的元素。
视觉模型最终的用途也非常广泛，例如，帮助车辆识别道路上的不同物体或障碍物、通过对医学图像的识别帮助疾病检测和诊断。
本文主要推荐一些较好的开源免费的图像标注工具。
http://makesense.ai/
https://github.com/SkalskiP/make-sense
OpenLabeling是一个用于标注图像和视频的开源工具。它支持PASCAL VOC和YOLO Darknet等多种格式。
该工具已被用于：深度学习对象检测模型、用于视觉对象跟踪的干扰感知Siamese网络、边界框跟踪和用于视频对象跟踪的OpenCV跟踪器。
https://github.com/shoumikchow/bbox-visualizer
bbox-visualizer可以帮助用户在对象周围绘制边界框，消除了对标签定位的复杂数学计算的需要。它提供了各种可视化类型，用于在识别后标记对象。边界框点的数据格式为：(xmin, ymin, xmax, ymax)。
https://github.com/abreheret/PixelAnnotationTool
PixelAnnotationTool是一个可以使用OpenCV的分水岭算法快速手动注释目录中图像的工具。
用户可以用画笔手动标记区域，然后启动算法。如果初始分割需要校正，用户可以在错误区域上重新绘制新的区域标注。
本文链接：http://www.28at.com/showinfo-26-79832-0.html15个值得推荐的开源免费图像标注工具
声明：本网页内容旨在传播知识，不代表本站观点，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
