登录 注册

labelme

去点 Star
AI 模型与开发框架图像、视频与音频开发者工具 annotationsclassificationcomputer-visiondeep-learningimage-annotationinstance-segmentation
16,311
Stars
3,729
Forks
147
Watchers
69
Open Issues
GPL-3.0
许可证
Python
语言
2016-05-09
创建时间
2026-11-12
最近更新

项目能做什么

Python 图像标注工具，支持多边形、矩形等及 AI 辅助标注。
来源：基于仓库元数据 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录，命令与配置均以原文为准。
原始 README 摘录（英文原文，节选前 3000 字符） 
<h1 align="center">
  <img src="labelme/icons/icon-256.png" width="200" height="200"><br/>labelme
</h1>

<h4 align="center">
  Image annotation with Python.
</h4>

<div align="center">
  <a href="https://pypi.python.org/pypi/labelme"><img src="https://img.shields.io/pypi/v/labelme.svg"></a>
  <!-- <a href="https://pypi.org/project/labelme"><img src="https://img.shields.io/pypi/pyversions/labelme.svg"></a> -->
  <a href="https://github.com/wkentaro/labelme/actions"><img src="https://github.com/wkentaro/labelme/actions/workflows/test.yml/badge.svg?branch=main&event=push"></a>
  <a href="https://discord.com/invite/uAjxGcJm83"><img src="https://dcbadge.limes.pink/api/server/uAjxGcJm83?style=flat"></a>
</div>

<div align="center">
  <a href="#installation"><b>Installation</b></a>
  | <a href="#usage"><b>Usage</b></a>
  | <a href="#examples"><b>Examples</b></a>
  | <a href="https://labelme.io"><b>labelme.io ↗</b></a>
  <!-- | <a href="https://github.com/wkentaro/labelme/discussions"><b>Community</b></a> -->
  <!-- | <a href="https://www.youtube.com/playlist?list=PLI6LvFw0iflh3o33YYnVIfOpaO0hc5Dzw"><b>Youtube FAQ</b></a> -->
</div>

<br/>

<div align="center">
  <img src="examples/instance_segmentation/.readme/annotation.jpg" width="70%">
</div>

## Description

Labelme is a graphical image annotation tool inspired by <http://labelme.csail.mit.edu>.\
It is written in Python and uses Qt for its graphical interface.

> Looking for a simple install without Python or Qt? Get the standalone app at **[labelme.io](https://labelme.io)**.

<img src="examples/instance_segmentation/data_dataset_voc/JPEGImages/2011_000006.jpg" width="19%" /> <img src="examples/instance_segmentation/data_dataset_voc/SegmentationClass/2011_000006.png" width="19%" /> <img src="examples/instance_segmentation/data_dataset_voc/SegmentationClassVisualization/2011_000006.jpg" width="19%" /> <img src="examples/instance_segmentation/data_dataset_voc/SegmentationObject/2011_000006.png" width="19%" /> <img src="examples/instance_segmentation/data_dataset_voc/SegmentationObjectVisualization/2011_000006.jpg" width="19%" />\
<i>VOC dataset example of instance segmentation.</i>

<img src="examples/semantic_segmentation/.readme/annotation.jpg" width="30%" /> <img src="examples/bbox_detection/.readme/annotation.jpg" width="30%" /> <img src="examples/classification/.readme/annotation_cat.jpg" width="35%" />\
<i>Other examples (semantic segmentation, bbox detection, and classification).</i>

<img src="https://user-images.githubusercontent.com/4310419/47907116-85667800-de82-11e8-83d0-b9f4eb33268f.gif" width="30%" /> <img src="https://user-images.githubusercontent.com/4310419/47922172-57972880-deae-11e8-84f8-e4324a7c856a.gif" width="30%" /> <img src="https://user-images.githubusercontent.com/14256482/46932075-92145f00-d080-11e8-8d09-2162070ae57c.png" width="32%" />\
<i>Various primitives (polygon, rectangle, circle, line, and point).</i>

<img src="https://github.com/user-attachments/assets/53bf09db-b09
阅读完整原文

商业机会分析 规则生成（AI 未配置）

综合评分 68.1 分。该项目在“个人可实施性”维度得 60 分，“付费可能性”维度得 47.0 分，差异化空间 100.0 分（评分依据见评分卡）。

将 labelme 改造为垂直场景 SaaS

产品构想保留核心能力，针对某一类用户（如某行业团队）做托管版，收取月费。
目标用户有该需求的中小团队 / 独立站长
难度/周期中 · 2~4 周（MVP）
收费模式订阅制（如 ¥29~99/月）
竞争风险需验证付费意愿；注意许可证合规
依据 数据支持的判断：许可证与关键词显示存在商用与付费场景

面向细分需求的二次开发产品

产品构想基于 labelme 的核心能力，聚焦一个更窄的场景（如某平台、某行业）做差异化。
目标用户该细分场景用户
难度/周期中 · 2~6 周
收费模式买断制 / 订阅制 / 广告
竞争风险细分需求规模需验证
依据 AI 推测：基于项目主题标签的判断

封装为在线小工具或 API 服务

产品构想把项目最常用的一个功能做成网页小工具，靠流量变现或按量计费。
目标用户搜索引擎带来的长尾用户
难度/周期低 · 1~3 周
收费模式免费引流 + 增值功能 / API 按量计费
竞争风险同质化竞争，需做好 SEO
依据 AI 推测：基于技术栈与部署特征的判断
以上为规则引擎基于仓库公开数据生成的参考结论，包含推测成分，不构成投资或创业承诺；配置 AI 后可获得更深入的分析。
报告会保存到 个人中心

竞品与相似项目 GitHub Search 真实检索

项目中文简介Stars语言
fighting41love/funNLP 中文介绍暂未生成
中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、
 84,525 Python
HumanSignal/label-studio 中文介绍暂未生成
Label Studio is a multi-type data labeling and annotation to
 28,674 TypeScript
HumanSignal/labelImg 中文介绍暂未生成
LabelImg is now part of the Label Studio community. The popu
 25,028 Python
gildas-lormeau/SingleFile 中文介绍暂未生成
Web Extension for saving a faithful copy of a complete web p
 22,889 JavaScript
cvat-ai/cvat 中文介绍暂未生成
CVAT is a leading data annotation platform for image, video,
 17,113 Python
xournalpp/xournalpp 中文介绍暂未生成
Xournal++ is a handwriting notetaking software with PDF anno
 15,662 C++
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。

项目优势与风险

技术成熟度创建于 2016-05-09，近 30 天仍在推送，发布过 100 个 Release
社区活跃Star 16,311 / Fork 3,729 / Issue 69（数据支持，可自行核实）
许可证GPL-3.0 商用需注意传染性条款
主要风险上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价

安装与使用

快速开始（以仓库 README 为准）
git clone https://github.com/wkentaro/labelme.git
cd labelme
# 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
阅读原仓库文档
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。