由 dawei 如果你是一名计算机视觉领域的数据科学家，你可能也意识到了你需要一个快速而简单的标注工具，其原因至少是以下两个之一:
PoC（译者注：Proof of Concept）或研发实验需要创建数据集
保证你的数据质量，这样它就不会影响你的深度学习算法的性能
我深入探究了计算机视觉标注领域，发现它包含了大量令人印象深刻的工具（请看如下三个超级棒的工具清单：清单一，清单二，清单三，或者查看 这个博客）。我花了相当多的时间比较最有前景的（和活跃的）项目，发现其中大部分工具都只能达到如下三个设计目标中的其中一个:
1、如果你想在标注行业展开业务，你需要：
a. 先进的项目管理功能
b. 足够多的功能，以完成任何标注任务
c. 提高效率的自动化工具
2、如果你属于一家创业公司，你可能需要：
a. API，或者至少是将标注工具连接到私有 API 的简单方法
b. 直观的用户体验（UX），使你临时聘用的每个标注人员都可以立即开始工作
3、如果你只是为自己工作，你：
a. 不用关心 API 或者项目管理
b. 只是想尽快开始标注！
下面是我最喜欢的工具列表，这些工具允许为计算机视觉应用标注包围框（用于物体检测任务）和多边形框（用于分割任务）。
如果你发现这些工具不能正常工作，请尝试在 Chrome 中运行它们。
计算机视觉标注的简要基础知识 [可选]
在计算机视觉中，训练算法的数据主要有三种类型:
图片 + 分类器训练标签（ResNets）
包围框 + 检测器标签（YOLOv3，Faster R-CNN……）
多边形 + 用于分割应用程序标签（Mask R-CNN）
