wkentaro GitHub avatar

labelme

Python
图像标注工具 Labelmewkentaro最近推送 2026年11月19日
数据与评测GPL-3.016.3k3,73578 issues7 天 +27

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月18日

用 Python 写的图像标注工具,支持多边形、矩形、圆、线、点及 AI 辅助标注。

Labelme 是一个图形化图像标注工具,灵感来自 MIT 的 labelme 项目,用 Python 编写、基于 Qt 做界面。它支持多边形、矩形、圆、线、点等多种标注形状,也能做图像分类标记、视频标注,并导出 VOC、COCO 格式数据集用于语义分割和实例分割。

推荐指数

5.0

成熟稳定、社区庞大的通用图像标注工具,适合大多数计算机视觉数据标注需求。

近 7 天

+27

新增 Star

总 Star 排名

#438

雷达追踪的 3,958 个 AI 仓库中

创建于

2016

2016年5月9日

核心亮点

  • 1多种标注形状

    支持多边形、矩形、圆、线、点,覆盖分割、检测等常见任务。

  • 2AI 辅助标注

    可用 SAM、EfficientSAM 做点选生成多边形或掩码,用 YOLO-world、SAM3 做文本转标注。

  • 3标准格式导出

    可导出 VOC 和 COCO 格式,直接用于语义分割、实例分割训练。

  • 4多语言界面

    内置 21 种语言,包括简体中文、繁体中文、日语、韩语等。

  • 5视频与分类标注

    除图像外还支持视频标注,以及用于分类和数据清洗的 flag 标记。

适用场景

  • 语义分割数据集制作

    例如:对街景图片逐张勾画道路、行人、车辆的多边形区域,导出 VOC 格式训练分割模型。

  • 目标检测标注

    例如:用矩形框标出图片中的物体并打上类别标签,导出 COCO 格式用于检测模型训练。

  • 借助 AI 加速标注

    例如:用 SAM 模型点一下目标就自动生成掩码,减少手工勾画多边形的时间。

  • 图像分类数据清洗

    例如:用 flag 标记给图片打上分类标签,快速筛选和整理数据集。

它是怎么工作的

  1. 第 1 步

    安装并启动

    通过 pip 安装或用独立安装包,启动图形界面打开图片目录。

  2. 第 2 步

    选择标注形状

    按任务选择多边形、矩形、圆、线或点,在图上勾画目标区域。

  3. 第 3 步

    打标签与标记

    为每个标注输入类别名称,或用 flag 给整张图打分类标记。

  4. 第 4 步

    AI 辅助(可选)

    调用 SAM、EfficientSAM 或 YOLO-world 等模型,由点选或文本自动生成标注。

  5. 第 5 步

    导出数据集

    用内置脚本把标注结果转换为 VOC 或 COCO 格式,供训练使用。

快速上手

  1. 1

    安装

    用 pip 安装 labelme,需要 Python 3.12 及以上。

    pip install labelme
  2. 2

    启动

    在终端运行 labelme 打开图形界面。

    labelme
  3. 3

    指定语言启动

    通过 LANG 环境变量切换界面语言,例如日语。

    LANG=ja_JP.UTF-8 labelme
  4. 4

    从 GitHub 安装最新版

    如需最新开发版本,可直接从仓库安装。

    pip install git+https://github.com/wkentaro/labelme.git

适合谁

  • 需要制作分割、检测数据集的算法工程师
  • 做计算机视觉研究的学生和研究者
  • 需要图形化标注工具的数据标注团队

不太适合

  • 想把 labelme 当 Python 库调用的开发者
  • 无法安装 Python 或 Qt 环境的用户

成熟度

  • 活跃度2016 年创建,最近仍在更新,已迭代到 v7.x。
  • 文档README 覆盖安装、功能、示例,并有独立文档站点。
  • 社区约 1.6 万 star、3700 多 fork,开放 issue 仅 72 个,有 Discord 社区。
  • 上手难度pip 一行安装即可用,也提供免 Python 的独立安装包(付费)。

同类项目怎么选

  • CVAT基于 Web 的标注平台,支持团队协作和任务管理,部署更重。
  • Label Studio通用数据标注平台,支持文本、音频等多种数据类型,不只图像。
  • X-AnyLabeling在 labelme 基础上强化 AI 辅助标注和更多模型集成。

使用前注意

  • · 许可证为 GPL-3.0,商用或分发需注意开源义务。
  • · v7 起要求 Python 3.12 以上和 64 位系统,旧环境需留在 v6.3.x 维护线。
  • · 项目定位是应用而非库,v7 起不提供稳定的 Python API,内部模块已私有化。
  • · 免安装的独立应用需一次性付费,免费方式需自行配置 Python 环境。

主题标签

image-annotationpythoncomputer-visionannotationsdeep-learningsemantic-segmentationinstance-segmentationvideo-annotationclassification