深度学习标注工具（包括自动标注）总结——持续更新
名称
导出格式支持形状地址1 anylabeling 支持yolov5和v8，自动标注的软件
沿物体轮廓分割
https://github.com/vietanhdev/anylabeling
2 RectLabel 使用Core ML模型自动标记图像
对象、属性、热键和快速标签的设置。
以PASCAL VOC XML格式读写，导出到YOLO、KITTI、COCOJSON与CSV
绘制边界框、多边形、三次bezier、直线和点
使用骨架绘制关键点
使用笔刷和超级像素工具标记像素
https://rectlabel.com/
3 LableBox Labelbox还提供了API接口，可以与其他自然语言处理工具和机器学习平台无缝集成。导出Json。Labelbox提供了许多先进的功能，如自动标注、质量控制、标注审核等，可以大大提高标注效率和标注结果的准确度。
支持图像标注和文本标注，可以进行分类、边界框、实体、关系等多种标注类型，支持对象检测框、实例分割数据标注。
https://github.com/Labelbox/Labelbox
4 PixelAnnotationTool 快捷，半自动化，类似PS蒙版，基于OpenCV中分水岭算法实现（不足：标注对象若颜色分布不均匀，软件无法识别；如果识别出来，大概率覆盖掉周围物体，很难修改）
图像语义分割与实例分割标注神器
https://github.com/abreheret/PixelAnnotationTool
5 LabelImg VOC，tfrecord（批注以PASCAL VOC格式存储为XML文件）
矩形
https://github.com/tzutalin/labelImg
6 Labelme JSON、VOC与COCO
矩形、圆形、线段、点（多边形分割、语义分割、2D框、线标注、点标注（可用于目标检测，图像分割等任务）视频标注）
https://github.com/wkentaro/labelme
7 OpenCV/CVAT CVAT for video、CVAT for images、PASCAL VOC、(VOC) Segmentation mask、YOLO、COCO、TFRecord、MOT、LabelMe 3.0、Datumaro
支持图像分类、对象检测框、图像语义分割、实例分割数据标注在线标注工具，它能够对图像、视频做矩形、关键点、图像分割、目标追踪、3D等标注（多边形分割、语义分割、2D框、线标注、点标注，3D点云，视频标注）
https://github.com/opencv/cvat
8 VOTT 导出CNTK/Pascal VOC，TFRecord、CSV、VoTT格式
（支持点、线、2D框、语义分割与视频数据标注）支持图像与视频数据标注
https://github.com/microsoft/VoTT
9 VIA-VGG Image Annotator CSV、JSON
能标注矩形、圆、椭圆、多边形、点和折线标注，VGG 有一个亮点，根据标签 ID 可以自定义不同的标签名称，在遇到复杂难懂的标签名称时，我们也能轻松搞定，支持对象检测、图像语义分割与实例分割数据标注，人脸数据标注首选工具
http://www.robots.ox.ac.uk/~vgg/software/via/
10 point-cloud-annotation-tool 支持KITTI-bin格式数据
3D点云数据标注神器
支持点云数据加载、保存与可视化
支持点云数据选择
支持3D BOX框生成
https://github.com/springzfx/point-cloud-annotation-tool
11 Boobs 支持图像数据标准为YOLO格式
现在也支持VOC/COCO格式数据导出
专属的YOLO BBox标注工具
https://github.com/drainingsun/boobs
12 ImgLab 包括 dlib、XML、Pascal VOC 和 COCO
点、圆、边界框、多边形等多种标签类型
https://github.com/davisking/dlib