有关深度学习打标签DIY的五种方式：Labelme、LabelImg、EISeg、Make Sence和CVat等

五种制作Label的方式：
- 1.CVAT（Open Data Annotation Platform）
- 2.EISeg（Efficient Interactive Segmentation）自动标注
- 3.Make Sence在线标注（对Yolo和VOC格式十分友好）
- 4.LabelImg和Labelme
注入json2txt以及json2xml的python脚本（其它的转换脚本持续更新中...）

五种制作Label的方式：

1.CVAT（Open Data Annotation Platform）

了解
CVAT开放注释平台：https://www.cvat.ai/

此平台由：

共同开发，可以进行图像分类、目标检测、语义和实例分割、点云/雷达、3D立方体、视频注释和骨架等等。
准备开始
在线：https://app.cvat.ai/tasks?page=1
离线：
Installation on Ubuntu
Installation on Windows 10
Installation on Mac OS
(1) 需要邮箱注册：

(2)开始：

（补充，Advanced configuration里面包含：数据格式、图像质量、数据集仓库URL等），以手动多边形标注为例：

参考：
目标检测数据集标注工具 CVAT 使用方法
使用Amazon SageMaker部署CVAT AI自动图像标注系统

2.EISeg（Efficient Interactive Segmentation）自动标注

代码和论文网址：
https://github.com/PaddlePaddle/PaddleSeg
EISeg: Effective interactive segmentation

了解
基于飞桨开发的一个高效智能的交互式分割标注软件。它涵盖了通用、人像、遥感、医疗、视频等不同方向的高质量交互式分割模型。另外，将EISeg获取到的标注应用到PaddleSeg提供的其他分割模型进行训练，便可得到定制化场景的高精度模型，打通分割任务从数据标注到模型训练及预测的全流程。
安装：

pip install opencv-python==4.5.5.64
pip install opencv-contrib-python==4.5.5.64
pip install opencv-python-headless==4.5.5.64
pip install eiseg

在这里插入图片描述
参考：百度智能语义分割开源软件EIseg新手安装指南
我是安装的PaddlePaddle-gpu、
终端输入：eiseg打开：
下载模型：

我下载的是：高精度模型，通用图像标注场景，EdgeFlow，static_edgeflow_cocolvis。
然后加载的时候：
在这里插入图片描述
出现错误：OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program. That is dangerous, since it can degrade performance or cause incorrect results. The best thing to do is to ensure that only a single OpenMP runtime is linked into the process, e.g. by avoiding static linking of the OpenMP runtime in any library. As an unsafe, unsupported, undocumented workaround you can set the environment variable KMP_DUPLICATE_LIB_OK=TRUE to allow the program to continue to execute, but that may cause crashes or silently produce incorrect results. For more information, please see http://www.intel.com/software/products/support/.
不管许多，上解决方式：
代码前加入两行如下代码即可：

import os
os.environ["KMP_DUPLICATE_LIB_OK"]  =  "TRUE"

之后载入一段时间：
在这里插入图片描述
可以正常使用。
因为我需要的是yolo格式的标签文件，但是该eiseg只支持coco和json格式，所以有一个json2txt的python代码参考：

python">#处理labelme多边形矩阵的标注  json转化txt
#!/usr/bin/ python
# -*- encoding: utf-8 -*-
import json
import cv2
import numpy as np
import glob

def totxt():
        # 第二列：中心归一化横坐标（x）
        # 第三列：中心归一化纵坐标（y）
        # 第四列：归一化宽度（w）
        # 第五列：归一化高度（h）

        height,width = img.shape[0],img.shape[1]
        dw = 1 / width
        dh = 1/ height
        
        with open(out_txt_file, "w+") as f:
            for shape in data:
                points = shape["points"]
                cls_id = shape["labelIdx"]-1
                xmin, ymin, w, h = cv2.boundingRect(np.array(points, dtype=np.int))
                xmax = xmin+w
                ymax = ymin+h

                x = (xmin + xmax) / 2.0 - 1
                y = (ymin + ymax) / 2.0 - 1
                w = xmax - xmin
                h = ymax - ymin
                if w < 50 or h < 50:
                    continue
                x = x * dw
                w = w * dw
                y = y * dh
                h = h * dh
                f.write("%s %s %s %s %s\n"%(cls_id,x, y, w, h))


if __name__=="__main__":
    # 文件列表
    json_list = glob.glob("Annotations/*.json")
    for file in json_list:
        basename = file.split("\\")[-1].split(".")[0]
        # 读取图片
        img = cv2.imread("images/"+basename+".png")
        if img is None:
            continue
        # 读取json文件
        data = ""
        with open(file, 'r', encoding='utf-8') as f:
            data = json.load(f)
      	# yololabels
        out_txt_file = "labels/" + basename + ".txt"
        totxt()

参考：
使用EISeg自动标注数据，yolov5训练模型（保姆教程）
PaddlePaddle/PaddleSeg
PaddleLabel机器学习辅助标注后端

3.Make Sence在线标注（对Yolo和VOC格式十分友好）

网址：https://www.makesense.ai/
在这里插入图片描述
很好上手：

标注结束，多边形支持导出VGG Json和COCO Json格式，矩形框支持导出yolo、csv和VOC xml格式。

4.LabelImg和Labelme

LabelImg 标注工具：https://github.com/heartexlabs/labelImg
安装LabelImg之前需要安装：

pip install lxml -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install PyQt5 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install PyQt5_tools -i https://pypi.tuna.tsinghua.edu.cn/simple

LabelImg 的界面如下所示：
在这里插入图片描述
只能正方形，适合做分类，不太适合做实例分割的数据集标注。LabelImg 可以保存三种数据格式：PASCAL VOC: voc 的xml 格式，yolo 格式和ML格式。
而labelme可以直接安装：