MakeSense：免费使用的图像标注工具，提升计算机视觉项目效率

综合介绍

Make Sense 是一个免费的在线图像标注工具，旨在帮助用户快速为计算机视觉项目准备数据集。它无需复杂安装，只需打开浏览器访问即可使用，支持多种操作系统，非常适合小型深度学习项目。用户可以通过它为图片添加标签，并将结果导出为多种格式，如 YOLO、VOC XML 等。该工具由 Piotr Skalski 开发，使用 TypeScript 编写，基于 React/Redux 技术栈，强调跨平台性和易用性。此外，它还集成了 AI 模型（如 YOLOv5），提供智能推荐和自动化功能，大幅减少手动标注时间，是开发者、研究者和初学者的理想选择。

功能列表

• 图像标注：支持为图片添加矩形框、多边形等多种标签类型，适用于目标检测和分割任务。
• AI 辅助标注：集成 YOLOv5 等模型，自动检测对象并建议标签，提升效率。
• 多种导出格式：支持 YOLO、VOC XML、CSV 等格式，方便与主流深度学习框架对接。
• 导入已有标签：可上传已有标注文件（如 YOLO 格式），继续编辑或完善。
• 多图像管理：支持批量上传图片，逐一标注或删除无用图像。
• 键盘快捷键：提供快捷操作，如删除标签、切换图片，加快工作流程。
• 统计视图：展示标注对象的统计信息，帮助用户分析数据集。
• 自定义模型加载：允许导入自定义 YOLOv5 模型，适应特定需求。

使用帮助

Make Sense 是一个完全基于浏览器的工具，无需安装任何软件，只需访问其官方网站或本地部署即可使用。以下是详细的使用指南，帮助你快速上手。

如何开始使用

1. 在线使用
   • 打开浏览器，访问 https://makesense.ai。
   • 点击“Get Started”按钮，进入主界面。
   • 无需注册，直接上传图片开始标注。
2. 本地部署（可选）
   如果你希望在本地运行 Make Sense，可以按照以下步骤操作：
   • 前提条件：确保安装了 Node.js（建议 v16.x.x）和 npm（建议 v8.x.x）。
   • 克隆仓库：在终端输入命令 git clone https://github.com/SkalskiP/make-sense.git，下载源码。
   • 进入目录：输入 cd make-sense 切换到项目文件夹。
   • 安装依赖：运行 npm install 安装所需包。
   • 启动服务：运行 npm start，浏览器会自动打开 localhost:3000，即可使用。
   • Docker 部署（替代方法）：
     • 构建镜像：docker build -t make-sense -f docker/Dockerfile .
     • 运行容器：docker run -dit -p 3000:3000 --restart=always --name=make-sense make-sense
     • 访问 http://localhost:3000 开始使用。

主要功能操作流程

1. 上传图片

• 在主界面，点击“Drop images here or click to upload”区域，选择本地图片（支持批量上传）。
• 上传后，左侧会显示图片列表，点击任意图片即可开始标注。

2. 添加标签

• 手动标注：
  • 点击顶部工具栏中的“矩形框”或“多边形”工具。
  • 在图片上拖动鼠标绘制标注区域，完成后输入标签名称（如“cat”、“dog”）。
  • 按“Enter”保存标签。
• AI 辅助标注：
  • 点击“Use AI Assistance”，选择内置 YOLOv5 模型或上传自定义模型。
  • 系统会自动识别图片中的对象并生成建议标签，你可以调整或确认。

3. 编辑与管理标签

• 修改标签：双击已有标签区域，调整大小或位置；点击标签名称可更改内容。
• 删除标签：选中标签后按“Delete”键移除。
• 删除图片：在左侧图片列表中，选中无用图片后按“Delete”键移除（需先删除该图所有标签）。

4. 导出标注结果

• 点击顶部“Export”按钮，选择导出格式（如 YOLO、VOC XML）。
• 系统会生成一个压缩包，包含所有标注文件，下载后即可用于训练模型。

5. 导入已有标签

• 如果已有标注文件（如 YOLO 格式的 .txt 文件）：
  • 点击“Import Labels”，上传对应的图片和标签文件。
  • 系统会自动加载已有标签，供你继续编辑或添加新标签。

6. 使用快捷键提升效率

• 切换图片：←（上一张）、→（下一张）。
• 删除标签：Delete 键。
• 保存进度：Ctrl + S（自动保存至浏览器缓存）。

特色功能详解

AI 辅助标注

Make Sense 的亮点之一是集成了 YOLOv5 模型。启用后，系统会扫描图片，自动识别常见对象（如人、车、动物等），并生成矩形框和建议标签。你只需微调位置或确认即可，大幅节省时间。如果有特定需求，可以上传自己的 YOLOv5 模型：

• 在“AI Assistance”选项中选择“Load Custom Model”。
• 上传训练好的 .pt 文件，系统会根据你的模型进行预测。

统计视图

标注完成后，点击“Stats”按钮，系统会显示数据集的统计信息，如各类标签的数量、分布情况等。这对检查数据集质量或平衡性非常有用。

注意事项

• 浏览器兼容性：建议使用 Chrome 或 Firefox，确保最佳体验。
• 文件格式：上传图片支持 JPG、PNG 等常见格式，标签导入支持 YOLO 文本文件或 VOC XML。
• 数据隐私：在线模式下，图片仅在本地处理，不会上传至服务器，保障隐私。

通过以上步骤，你可以轻松使用 Make Sense 完成图像标注任务，无论是初学者还是专业开发者，都能快速上手并提升工作效率。