产品简介
semi-auto-image-annotation-tool Anno-Mage是一款基于PyTorch和OWL-v2模型的半自动图像标注工具，能自动建议标注框和标签，减少手动标注工作量。适合需要处理大量图像数据的研究人员、开发者和数据科学家，支持CSV和Pascal VOC XML输出格式，便于集成到机器学习流水线中。
核心功能
- 半自动图像标注：使用PyTorch对象检测模型自动建议标注
- 零样本检测支持：通过OWL-v2模型，无需预定义类别即可标注新物体
- 多平台兼容：支持Windows、macOS和Linux操作系统
- 双模式使用：提供Web应用和PyPI命令行工具两种使用方式
- 标准输出格式：生成CSV和Pascal VOC XML格式的标注文件，便于后续处理
快速开始
- 安装工具：运行 `pip install anno-mage` 命令
- 启动应用：运行 `anno-mage` 命令，应用自动在浏览器打开
- 标注图像：在Web界面中选择图像，使用AI建议的标签进行标注
界面预览
与其他方案对比
| 对比项 | semi-auto-image-annotation-tool | 同类方案 |
|---|---|---|
| 自动化程度 | 半自动标注，AI提供标签建议，提高效率 | 纯手动标注，需要逐个框选和输入标签，耗时耗力 |
| 零样本检测 | 支持OWL-v2模型，可标注未训练过的物体类别 | 通常需要预定义类别或预先训练模型，灵活性较低 |
| 输出格式 | 同时支持CSV和Pascal VOC XML，便于不同场景使用 | 可能只支持单一输出格式，兼容性有限 |
适合谁用
- 计算机视觉研究人员，需要快速标注训练数据集用于模型开发
- 机器学习开发者，构建目标检测模型时进行图像预处理和标注
- 数据科学家，处理图像数据并生成标准格式标注文件以支持分析任务
下载与版本
当前最新版本为 master，发布于 。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/virajmavani/semi-auto-image-annotation-tool