借助 AI 模型目标检测打标签工具 ：Makesense.ai , 解放双手 ! ! !

在深度学习中，数据是非常重要的，而自己制作训练数据集是模型训练的第一步，之前给大家介绍过目标检测和语义分割中打标签工具 labelimg 和 labelme 两个工具的使用教程。

点击跳转：制作自己的训练数据集之图像标注工具labelimg和labelme

今天给大家推荐一款我最近在使用的在线网页版打标签的工具 makesense.ai，这也是 YOLOv5 官方推荐的两款 Create Labels 标签工具的一种，但是它比 CVAT 使用起来更方便，CVTA 需要安装 Docker。

makesense.ai 可以在线网页打标签，无需安装，开源使用，支持 YOLO、VOCＸＭＬ、VGG JSON、CSV 标签导出格式，点、线、框等多种标注类型，而且还可借助已经训练好了的目标检测模型 SSD 辅助我们进行人工标注，数据安全保密，提高我们工作的生产力。

选择 Get Started, 点击 Drop images 一键就可以将我们图像数据直接拖拽上传，速度非常快，几百张图片，只需要几秒。

上传完图片后，选择打标签类型，是用于目标检测 Object Detection，还是图像识别 Image recognition.

上传完图片之后，进行标注 Create labels,这里可以选择“+”来添加标签，也可以事先将标签写在一个.txt 文件中，然后直接导入。若这里未添加标签，也可以在后面画框的过程中再添加。

标签打完之后，选择 Start project,开始进行框的标注，选择标注类型矩形框 Rect、点 Point、线 Line、多边形 Polygon，选择自己想要的标注类型就可以进行标注了。

网页上的“Actions”选项菜单栏里面，"Edit Labels"可以对已有标签进行修改、添加,还可以添加图片“Import Images”，如果你网络稳定的话，可以使用“Load AI Model”对图片进行自动标注。

图片标注完之后，选择网页上的“Actions”，选项菜单栏里面导出标注完标签的“Export Annotations”,选择你想要的标签导出格式，这里我选择 YOLO format.

导出后是一个以标注日期署名的压缩包，非常简洁明了，解压后是 YOLO 格式的.txt 标签文件。

YOLO 标签格式文件官方要求如下：

打完标签后就可以直接拿图片 Image 和标签 Label 去训练了 YOLOv5 模型了,不像 Labelimg 导出为 XML 文件，还需要再利用.py 文件转换为 YOLOv5.txt 格式文件了,简化训练模型的步骤和时间。

微信搜索公众号《码农的后花园》

好了，今天就先分享到这里了，下期继续给大家带来更多人工智能算法模型内容！

更多干货、优质文章，欢迎关注我的原创技术公众号~