手动图像标注，快速生成训练数据集
labelme 是一个基于 Python 的图像标注工具，主要用于计算机视觉和深度学习任务中的数据准备。它解决了研究人员和开发者需要手动标注图像以构建训练数据集的问题。核心能力包括支持多边形、矩形、圆形、直线和点等多种标注形状，适用于语义分割、实例分割、目标检测和关键点检测等任务。此外，它还提供 AI 辅助标注功能，可以加速标注流程。labelme 的界面简洁，操作直观，支持多种图像格式，并能够将标注结果导出为 JSON 等常见格式，方便与主流深度学习框架集成。作为一个成熟的开源项目，它被广泛应用于学术研究和工业项目中，是数据标注领域的常用工具之一。
1安装 labelme
用 pip 从 GitHub 仓库安装最新版 labelme，请先确保本机已有 Python 环境。
pip install git+https://github.com/wkentaro/labelme.git2查看帮助信息
安装完成后执行帮助命令，确认命令可用并查看具体参数说明。
labelme --help3启动标注界面
直接运行 labelme 即可打开图形界面，随后载入图像开始标注。
labelme4保存标注结果
在界面中完成多边形、矩形等标注后保存，结果会输出为 JSON 文件。
5免 Python 替代方案
不想安装 Python 和 Qt 时，可到官网 labelme.io 获取独立应用版本。
执行 labelme --help 能正常输出帮助信息，执行 labelme 能弹出 Qt 图形标注界面。
Q：不想安装 Python 或 Qt 怎么办？
A：README 说明可使用无需 Python/Qt 的独立应用，前往 labelme.io 获取 standalone app 即可。
Q：标注结果保存成什么格式？
A：标注会保存为 JSON 文件，方便与主流深度学习框架集成、用于数据准备。
Q：这个工具支持哪些标注类型？
A：支持多边形、矩形、圆形、直线、点等形状，可用于语义分割、实例分割、目标检测和关键点检测。
LabelImg、CVAT、VGG Image Annotator (VIA)
labelme 是数据集领域的开源项目，由 wkentaro 开发，2016 年首次发布。
在全站 12,961 个收录项目中，它的 GitHub 星标数（16,184）位列前 3%，在数据集分类的 279 个项目里位列前 4%。
近 44 天，它的 GitHub 星标从 16,089 增加到 16,184，净增 95。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。开源免费，GPL-3.0许可，本地部署使用，无付费版本。
它主要面向的使用场景是：构建语义分割或实例分割训练数据集。同类可对比的替代方案包括 LabelImg、CVAT、VGG Image Annotator (VIA)。
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models