图片打标

在人工智能和机器学习领域，数据标注是模型训练的关键步骤。

然而，传统的标注工具往往复杂、昂贵，甚至需要编程基础，这让许多初学者和小团队望而却步。

今天，我们要介绍一款零门槛、完全免费、高效易用的在线标注工具——MakeSense.ai。

无论你是AI初学者，还是专业开发者，MakeSense.ai都能让你的数据标注工作事半功倍！

它的地址是：https://www.makesense.ai/

什么是MakeSense.ai

MakeSense.ai是一个免费在线的图片打标工具，它运行于浏览器，所以也是一个跨平台的工具。

其高效便捷的操作方式，大大缩短了数据准备工作时间，特别适合学习者、独立开发者和小型团队。

当然，如果你想私有部署也可以，它是开源的，在GPL-3.0协议下使用。

github地址：https://github.com/SkalskiP/make-sense?tab=readme-ov-file

本地部署：

# clone repository
git clone https://github.com/SkalskiP/make-sense.git

# navigate to main dir
cd make-sense

# install dependencies
npm install

# serve with hot reload at localhost:3000
npm start

Docker部署：

# Build Docker Image
docker build -t make-sense -f docker/Dockerfile .

# Run Docker Image as Service
docker run -dit -p 3000:3000 --restart=always --name=make-sense make-sense

# Get Docker Container Logs
docker logs make-sense

# Access make-sense: http://localhost:3000/

工具特点

• 支持目标检测及图像识别的图片标注

• 支持导出YOLO、VOC XML、csv、VGG JSON、COCO JSON

• 支持多种形状打标：矩形、点、线、多边形

• 服务器不存储图片，安全放心

操作流程

1. 打开主页点击Get Start

2. 拖入或选择图片并选择打标任务类型

目标检测和图片识别二选一。

3. 添加自定义标签

手动输入

点击这个按钮可以为你不同的标签选择不同颜色方便区分：

导入标签文件

创建一个标签文本，例如test.txt如下：

选择添加标签时使用Load labels from file即可导入：

4. 开始打标

打标流程：

1. 右上角选择相应打标形状

2. 选择图片中的物体进行标注

3. 右上角选择相应的标签

5. 导出打标数据

在导出前可以先为我们的项目取一个名字，例如测试项目：

导出我们的标签数据：

我选择了YOLO的数据标签进行导出：

下载后可以看到我们的标签数据文件了：

结尾

如果按照流程走下来，你会发现MakeSense.ai的打标流程竟然如此简单。

当然不仅限于手动打标，MakeSense.ai还支持你载入你的训练模型，通过ai进行打标速度将会更快，进一步的内容等着你自己探索！