图片标注（学会图片标注赚外快满血复活）

智能驾驶的深度学习算法研究中，会用到各种研究的数据集，很多都是开源的数据集，但是在研究的过程中难免会自己建立数据集来训练或者测试自己的算法。开源的数据集一般都是国外的，拿到国内来有水土不服的可能性，比较国内的驾驶场景不是老外可以想象的。如果要建立自己的数据集，除了去造一个场景采集一些数据，图片的标注是必不可少的。本文将简要介绍标注的一个工具，以及使用方法。学会了如何使用标注软件标注，一方面对于研究者来说自力更生很方便，另一方面对于很多人来说也是一个谋生的手段，毕竟是一个劳动密集型产业，标注一张图据说也可以赚几毛钱，还是不错的。

1.常用的图片标注工具

图片数据标注工具汇总

1.1 Labelme：https://github.com/wkentaro/labelme ，适用于图片分割

1.2 labelImg：https://github.com/tzutalin/labelImg ，适用于图片检测(可标斜框）

1.3 Annotorious：http://annotorious.github.io/index.html ，适用于图片检测

1.4 RectLabel：https://rectlabel.com/ （适用mac，图片检测）

1.5 images_annotation_programme：

https://github.com/frederictost/images_annotation_programme （图片检测）

1.6 yolo_mark

适用于图像检测任务的数据集制作：它来自于下面的项目：https://github.com/AlexeyAB/Yolo_mark

它是yolo2的团队开源的一个图像标注工具，为了方便其他人使用yolo2训练自己的任务模型。在linux和win下都可运行，依赖opencv库。

1.7 Vatic

Vatic适用于图像检测任务的数据集制作： 它来自下面的项目：http://carlvondrick.com/vatic/

比较特别的是，它可以做视频的标注。

1.8 Sloth

Sloth适用于图像检测任务的数据集制作：它来自下面的项目：

https://github.com/cvhciKIT/sloth

1.9 IAT – Image Annotation Tool

IAT适用于图像分割任务的数据集制作： 它来自下面的项目：

1.10ImageNet-Utils

https://github.com/tzutalin/ImageNet_Utils

1.11 labeld

1.12ALT

https://alpslabel.wordpress.com/2017/01/26/alt/

1.13 VIA

http://www.robots.ox.ac.uk/~vgg/software/via/

1.14 FastAnnotationTool

https://github.com/christopher5106/FastAnnotationTool

1.15 LERA

2 labelImg工具安装使用

2.1 下载labelImg

工具链接：

2.2 解压

去labelImg链接下载整个文件，解压生成：labelImg-master文件夹放在

C:LabelImgApp中

2.3下载Anaconda并安装

Anaconda版本：Anaconda3-4.2.0-Windows-x86_64.exe

2.4 打开Anaconda promot 将目录切换到2.2中所在目录：

cd D:LabelImgApplabelImg-master

2.5 首先输入：conda install pyqt=5

开始安装相关软件，这里需要联网，它会自动下载安装。

2.6输入：pyrcc5 -o resources.py resources.qrc

完成后可以在labelImg-master目录下能够看到resources.py、resources.qrc这两个文件。

2.7在命令行输入：python labelImg.py 就会运行labelImg-master目录下的labelImg.py这个文件了。打开窗口界面如下：

2.8安装完毕，可以开始你的5毛职业生涯了。

如图打开一张图片就可以在上面标注了。