常见数据标定工具

1.labelImg

LabelImg是一个可视化的图像标定工具。使用该工具前需配置环境python+ lxml，FasterRCNN，YOLO，SSD等目标检测网络所需要的数据集，均需要借此工具标定图像中的目标。

1.1 windows下的安装与使用

可以直接下载封装好的labelImg无需安装任何东西，win7下已验证

1.安装python2.6或更高版本
进入download然后选择windowsx86-64 executable installer
下载后安装（勾选add python to path）安装完毕close即可

2.easy_install的安装
直接下载ez_setup-0.9.tar文件
DOS窗口访问ez_setup.py所在目录，输入python ez_setup.py，安装成功后进行下一步

3.pip的安装

直接在DOS窗口输入python get-pip.py ,显示安装成功后进行下一步

4.安装lxml

在DOS窗口直接输入pip install lxml

5.labelimg的测试
到github上面下载需要的版本： https://tzutalin.github.io/labelImg/
到云盘直接下载labelimg， 选择window版本下载，labelImg可执行文件存放路径不要有中文。双击labeImg.exe，弹出界面说明配置成功。

6.使用方法：
W ：创建矩形窗
Ctrl + S ：保存
A ：上一张
D ：下一张

7.标签格式：

<annotation verified="no">
  <folder>Pictures</folder>
  <filename>1111</filename>
  <path>C:\Users\cetc\Pictures\1111.png</path>
  <source>
    <database>Unknown</database>
  </source>
  <size>
    <width>1087</width>
    <height>140</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <name>words</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <Difficult>0</Difficult>
    <bndbox>
      <xmin>686</xmin>
      <ymin>75</ymin>
      <xmax>785</xmax>
      <ymax>117</ymax>
    </bndbox>
  </object>
</annotation>

可以直接

---

2.Labelme

适用于图像分割任务的数据集制作：

该软件实现了最基本的分割数据标注工作，在save后将保持Object的一些信息到一个json文件中，如下：
https://github.com/wkentaro/labelme/blob/master/static/apc2016_obj3.json


同时该软件提供了将json文件转化为labelimage的功能：

---

3.yolo_mark

yolo_mark适用于图像检测任务的数据集制作：

在代码文件所在目录下新建images文件夹、labels文件夹，将需要做标记的图片放到images文件夹中。最后得到的标签文件会存放到labels文件夹下。
目前只能对一类物体进行标记，如果需要制作多类的标签数据，只能修改代码67行后重复运行代码。以后有时间会将代码进行完善。
本代码用到了opencv，利用opencv进行标记，需要提前配置好opencv库
在命令行窗口下，输入 python YOLOv2_photo_mark.py进入标记界面。
左键拖动进行绘制，当前图片绘制完成后，点击右键绘制下一张图片，直到标记完成images目录下的所有图片。

---

4.未完待续…

参考资料：
http://blog.csdn.net/chaipp0607/article/details/79036312
https://www.zhihu.com/question/30626971