make-sense免费在线图片标注工具5分钟从零开始的完整指南【免费下载链接】make-senseFree to use online tool for labelling photos. https://makesense.ai项目地址: https://gitcode.com/gh_mirrors/ma/make-sense你标完几十张图才发现训练框架要的是 COCO JSON 而不是 CSV或者你正犹豫要不要把敏感图片传到第三方标注平台make-sense 是一个浏览器里直接跑的免费图片标注工具免安装、免登录支持边界框、多边形、点、线、标签 5 种标注类型标注结果可导出 YOLO、VOC XML、COCO JSON 等 6 种格式且所有图片处理都在本地完成不会离开你的设备。 它凭什么值得你推荐浏览器即开即用基于 TypeScript React/Redux 构建Windows、macOS、Linux 都不需要装客户端打开就能标GPL-3.0 开源许可见 LICENSE可以自由修改、再分发方便你内网私有化部署或二次开发内置 3 个本地 AI 模型YOLOv5、SSDCOCO 数据集预训练、PoseNet全部通过 TensorFlow.js 在浏览器内推理6 种导出格式CSV、YOLO、VOC XML、VGG JSON、COCO JSON、PIXEL MASK覆盖主流训练框架的输入数据不出本机官方明确不存储也不上传任何图片AI 推理同样跑在本地 一条标注流水线的完整跑法上传图片把 JPG、PNG 拖进浏览器窗口或点击选择按钮支持一次拖入多张图片批量处理。选择标注工具左侧工具栏有 5 个按钮矩形框Rect、多边形Polygon、点Point、线Line、标签Tag按任务需求选一个即可。框选目标并打标签在图上用鼠标画出标注区域然后从左侧标签列表选中对应标签名。标签没有现成的话先在标签列表里新建系统会自动保留你本次的标签配置。切换图片继续标按下 Ctrl 方向键 在前一张/后一张之间快速切换批量标注时基本不用碰鼠标。导出结果标注完成后触发导出选择目标格式如 YOLO 或 COCO JSON下载即可直接喂给训练脚本。 差异化功能深挖AI 辅助标注SSD 模型可自动画出边界框并给出标签建议见 SSDObjectDetector.ts做 YOLO 项目的同学更常用 YOLOv5ObjectDetector.ts它能加载你用自己的数据训练、并导出为 tfjs 格式的自定义模型。适合做目标检测、姿态估计项目的人先用 AI 出初稿再人工微调。适合谁、怎么用检测类任务先跑一遍 SSD 预标注把逐框手绘改成逐框确认。数据本地化AI 引擎是 TensorFlow.js模型加载和推理全部发生在浏览器里图片不需要经过任何服务器。适合处理医疗、工业等敏感图像的人——直接本地运行即可满足合规要求。标注导入互通项目内置 YOLO、VOC XML、COCO JSON 的导入能力见 src/logic/import/可以先把别人标注好的结果导进来复验、补漏再统一重新导出。适合接手已有标注资产、格式不统一的团队。⌨️ 老用户才知道的进阶技巧快捷键一览Windows/LinuxMac 把 Ctrl 换成 OptionEnter完成多边形绘制Escape取消当前多边形或关闭弹窗Delete/Backspace删除当前选中的标签Ctrl 左/右方向键切换上一张/下一张图片Ctrl /-放大/缩小方向键平移图片Ctrl 0-9按编号快速选择标签批量操作通过导入功能把已有的 YOLO/COCO 标注批量读入复验导出时一次打包所有图片的标注结果。自定义配置界面与功能参数集中在 Settings.ts改一行配置即可调整行为。想本地跑一份的话Node v16.x npm 8.xgit clone https://gitcode.com/gh_mirrors/ma/make-sense cd make-sense npm install npm start浏览器打开 http://localhost:3000 即可。也可以直接 Docker 部署docker build -t make-sense -f docker/Dockerfile . docker run -dit -p 3000:3000 --restartalways --namemake-sense make-sense 场景对照你的任务该选哪个功能目标检测用边界框工具 YOLO 格式导出配合 SSD 预标注提速语义分割用多边形工具勾勒轮廓导出 COCO JSON 或 VGG JSON关键点检测用点工具 PoseNet 模型快速产出人体关节点初稿车道线/边缘检测用线工具结果可导出为 CSV接手旧标注先导入 YOLO/VOC/COCO复验后再统一导出 资源与社区导出格式说明docs/export.md导入格式说明docs/import.md本地部署文档docs/local-setup.md快捷键文档docs/shortcuts.mdAI 模型集成源码src/ai/导出模块源码src/logic/export/导入模块源码src/logic/import/贡献指南CONTRIBUTING.md现在就可以打开 makesense.ai拖入第一张图片试一遍上面的流程。小贴士拿一叠没标过的图先跑一遍 SSD 自动检测再逐框确认标注耗时大约能砍掉一半这是上手最快的验证方式。【免费下载链接】make-senseFree to use online tool for labelling photos. https://makesense.ai项目地址: https://gitcode.com/gh_mirrors/ma/make-sense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 make-sense免费在线图片标注工具：5分钟从零开始的完整指南
make-sense免费在线图片标注工具5分钟从零开始的完整指南【免费下载链接】make-senseFree to use online tool for labelling photos. https://makesense.ai项目地址: https://gitcode.com/gh_mirrors/ma/make-sense你标完几十张图才发现训练框架要的是 COCO JSON 而不是 CSV或者你正犹豫要不要把敏感图片传到第三方标注平台make-sense 是一个浏览器里直接跑的免费图片标注工具免安装、免登录支持边界框、多边形、点、线、标签 5 种标注类型标注结果可导出 YOLO、VOC XML、COCO JSON 等 6 种格式且所有图片处理都在本地完成不会离开你的设备。 它凭什么值得你推荐浏览器即开即用基于 TypeScript React/Redux 构建Windows、macOS、Linux 都不需要装客户端打开就能标GPL-3.0 开源许可见 LICENSE可以自由修改、再分发方便你内网私有化部署或二次开发内置 3 个本地 AI 模型YOLOv5、SSDCOCO 数据集预训练、PoseNet全部通过 TensorFlow.js 在浏览器内推理6 种导出格式CSV、YOLO、VOC XML、VGG JSON、COCO JSON、PIXEL MASK覆盖主流训练框架的输入数据不出本机官方明确不存储也不上传任何图片AI 推理同样跑在本地 一条标注流水线的完整跑法上传图片把 JPG、PNG 拖进浏览器窗口或点击选择按钮支持一次拖入多张图片批量处理。选择标注工具左侧工具栏有 5 个按钮矩形框Rect、多边形Polygon、点Point、线Line、标签Tag按任务需求选一个即可。框选目标并打标签在图上用鼠标画出标注区域然后从左侧标签列表选中对应标签名。标签没有现成的话先在标签列表里新建系统会自动保留你本次的标签配置。切换图片继续标按下 Ctrl 方向键 在前一张/后一张之间快速切换批量标注时基本不用碰鼠标。导出结果标注完成后触发导出选择目标格式如 YOLO 或 COCO JSON下载即可直接喂给训练脚本。 差异化功能深挖AI 辅助标注SSD 模型可自动画出边界框并给出标签建议见 SSDObjectDetector.ts做 YOLO 项目的同学更常用 YOLOv5ObjectDetector.ts它能加载你用自己的数据训练、并导出为 tfjs 格式的自定义模型。适合做目标检测、姿态估计项目的人先用 AI 出初稿再人工微调。适合谁、怎么用检测类任务先跑一遍 SSD 预标注把逐框手绘改成逐框确认。数据本地化AI 引擎是 TensorFlow.js模型加载和推理全部发生在浏览器里图片不需要经过任何服务器。适合处理医疗、工业等敏感图像的人——直接本地运行即可满足合规要求。标注导入互通项目内置 YOLO、VOC XML、COCO JSON 的导入能力见 src/logic/import/可以先把别人标注好的结果导进来复验、补漏再统一重新导出。适合接手已有标注资产、格式不统一的团队。⌨️ 老用户才知道的进阶技巧快捷键一览Windows/LinuxMac 把 Ctrl 换成 OptionEnter完成多边形绘制Escape取消当前多边形或关闭弹窗Delete/Backspace删除当前选中的标签Ctrl 左/右方向键切换上一张/下一张图片Ctrl /-放大/缩小方向键平移图片Ctrl 0-9按编号快速选择标签批量操作通过导入功能把已有的 YOLO/COCO 标注批量读入复验导出时一次打包所有图片的标注结果。自定义配置界面与功能参数集中在 Settings.ts改一行配置即可调整行为。想本地跑一份的话Node v16.x npm 8.xgit clone https://gitcode.com/gh_mirrors/ma/make-sense cd make-sense npm install npm start浏览器打开 http://localhost:3000 即可。也可以直接 Docker 部署docker build -t make-sense -f docker/Dockerfile . docker run -dit -p 3000:3000 --restartalways --namemake-sense make-sense 场景对照你的任务该选哪个功能目标检测用边界框工具 YOLO 格式导出配合 SSD 预标注提速语义分割用多边形工具勾勒轮廓导出 COCO JSON 或 VGG JSON关键点检测用点工具 PoseNet 模型快速产出人体关节点初稿车道线/边缘检测用线工具结果可导出为 CSV接手旧标注先导入 YOLO/VOC/COCO复验后再统一导出 资源与社区导出格式说明docs/export.md导入格式说明docs/import.md本地部署文档docs/local-setup.md快捷键文档docs/shortcuts.mdAI 模型集成源码src/ai/导出模块源码src/logic/export/导入模块源码src/logic/import/贡献指南CONTRIBUTING.md现在就可以打开 makesense.ai拖入第一张图片试一遍上面的流程。小贴士拿一叠没标过的图先跑一遍 SSD 自动检测再逐框确认标注耗时大约能砍掉一半这是上手最快的验证方式。【免费下载链接】make-senseFree to use online tool for labelling photos. https://makesense.ai项目地址: https://gitcode.com/gh_mirrors/ma/make-sense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考