labelme

手动图像标注，快速生成训练数据集

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数据集 🍴 复刻 3729 🐛 待处理 179 👀 关注 147

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 16300

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费，GPL-3.0许可，本地部署使用，无付费版本。

项目预览

项目数据

分类数据集

开发团队wkentaro

官网地址https://labelme.io

GitHubhttps://github.com/wkentaro/labelme

定价模式🏷️完全免费

价格说明开源免费，GPL-3.0许可，本地部署使用，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型annotations,classification,computer-vision,deep-learning,image-annotation,instance-segmentation,python,semantic-segmentation,video-annotation

GitHub 星标★ 16300

上线时间2016-05-09 00:00:00

代码更新2026-11-07

仓库体积67.9 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-10

浏览次数9

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 16300

技术标签

classification computer-vision deep-learning instance-segmentation python

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

Python 环境（labelme 由 Python 编写）
Qt 图形界面运行环境（界面基于 Qt）
可访问 GitHub/PyPI 的网络（用于获取安装包）

安装与启动步骤

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.git
```
2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 --help
```
3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。
```
labelme
```
4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。