yolo分割标注工具

适用于YOLO模型的图像分割标注工具推荐
对于YOLO模型的数据准备，特别是针对图像分割任务，存在多种高效的标注工具可供选择。这些工具不仅能够满足基本的矩形框标注需求，还提供了更复杂的多边形、像素级标注等功能。
LabelMe
LabelMe 是一款开源的图像标注工具，支持多边形和自由绘制模式来完成精确的对象轮廓描绘[^3]。这使得它非常适合用于生成适合YOLO系列模型训练所需的高质量分割掩码数据集。通过这种方式创建的数据可以进一步处理并转化为YOLO所需格式。
VGG Image Annotator (VIA)
VGA Image Annotator 或 VIA 提供了一个基于Web浏览器运行的强大平台来进行交互式的图像区域划分工作。其界面直观友好，允许用户轻松定义复杂形状的目标边界，并且可以直接在线操作无需安装额外软件。这对于团队协作以及远程访问来说非常便利。
CVAT (Computer Vision Annotation Tool)
CVAT 是由Intel开发的一个专业的计算机视觉领域内的视频&图片标记解决方案[^1]。除了常规的功能外，CVAT 还特别强调多人合作下的大规模项目管理能力；内置的任务分配机制可以帮助提高整个流程的工作效率。更重要的是，CVAT 支持导出为COCO JSON文件形式，再经过简单转换即可适配到YOLO框架下使用。
import json
from pathlib import Path

def convert_coco_to_yolo(coco_json_path, output_dir):
with open(coco_json_path) as f:
coco_data = json.load(f)

for image_info in coco_data['images']:
img_id = image_info["id"]
width = image_info["width"]
height = image_info["height"]

yolo_file_name = str(Path(output_dir)/f"{img_id}.txt")

annotations = [ann for ann in coco_data['annotations'] if ann['image_id']==img_id]

lines = []
for annotation in annotations:
category_id = annotation["category_id"] - 1 # Assuming categories start from 1
bbox = annotation["bbox"]
x_center = (bbox[0]+bbox[2]/2)/width
y_center = (bbox[1]+bbox[3]/2)/height
w_norm = bbox[2]/width
h_norm = bbox[3]/height

line = " ".join(map(str,[category_id,x_center,y_center,w_norm,h_norm]))
lines.append(line)

with open(yolo_file_name,'w') as file:
file.write("\n".join(lines))