Label Studio · ·

Website • Docs • Twitter • Join Slack Community

Label Studio是数据label和标注工具的瑞士军刀 ✌️

在线试用 running app 介绍博客 introductory post.

其目的是帮助您使用具有标准化输出格式的简单界面来标注不同类型的数据。您正在处理自定义数据集并考虑创建工具吗？使用Label Studio，您可以节省时间并在几分钟内创建自定义工具和界面。

Summary

Quick Start
One Click Deploy
Features 🌟
Use Cases
Machine Learning Integration
For Teams and Enterprises 🏢
Ecosystem
License

Quick Start

# Requires >=Python3.5
pip install label-studio

# 在labeling_project路径中初始化项目 
label-studio init labeling_project

# Start 服务器 at http://localhost:8080
label-studio start labeling_project

Install on Windows

要在Windows上运行，需要从以下位置手动下载以下： Gohlke builds, by ensuring the right python version:

lxml

Install Label Studio:

# Upgrade pip 
pip install -U pip

# Assuming you are running Win64 with Python 3.8, install packages downloaded form Gohlke:
pip install lxml‑4.5.0‑cp38‑cp38‑win_amd64.whl

# Install label studio
pip install label-studio

Install from Anaconda

conda create --name label-studio python=3.8
conda activate label-studio
pip install label-studio

如果在安装过程中发现任何错误，请尝试重新运行安装

pip install --ignore-installed label-studio

本地部署

可以通过以下方式在本地运行最新版本的Label Studio，而无需从pip安装软件包：

# Install all package dependencies
pip install -e .

# Start the server at http://localhost:8080
python label_studio/server.py start labeling_project --init

使用docker部署

试用docker运行 http://localhost:8080:

docker run --rm -p 8080:8080 -v `pwd`/my_project:/label-studio/my_project --name label-studio heartexlabs/label-studio:latest label-studio start my_project --init

默认情况下，它在./my_project 目录中启动空白项目。

Note: if ./my_project folder exists, an exception will be thrown. Please delete this folder or use --force option.

您可以通过添加默认值来覆盖默认的启动命令 :

docker run -p 8080:8080 -v `pwd`/my_project:/label-studio/my_project --name label-studio heartexlabs/label-studio:latest label-studio start my_project --init --force --template text_classification

通过Dockerfile build一个本地的镜像:

docker build -t heartexlabs/label-studio:latest .

Run docker-compose

You can also start serving at http://localhost:8080 using docker-compose.

First time to run the app

INIT_COMMAND='--init' docker-compose up -d

Run the app with existing project data

docker-compose up -d

Run the app reseting project data

INIT_COMMAND='--init --force' docker-compose up -d

Or you can just use .env file instead of INIT_COMMAND='...' adding this line:

INIT_COMMAND=--init --force

云上一键部署

您现在可以一键式部署这些云中的任何一个 :

Features 🌟

简单: 用最少的UI设计制作。简单的设计就是最好的设计 .
可配置: 使用高级jsx tags配置，您可以完全自定义数据的可视界面。感觉就像为您的特定需求构建了自定义label工具。而且这是快速的。
协作标注: 由两个或更多人label同一任务，然后比较结果。
多种数据类型: 您定义自己的具有不同的label类型， Images, Audios, Texts, HTMLs, Pairwise
支持导入格式: JSON, CSV, TSV, RAR and ZIP archives
移动设备友好: 适用于不同尺寸的设备。
NPM嵌入: 前端是NPM包， NPM package. 您可以将其包含在您的项目中 .
机器学习: 机器学习的集成支持。可视化并比较来自不同模型的预测。使用最好的进行pre-labeling。
Stylable: 配置视觉外观以匹配您的公司品牌，将label任务作为产品的一部分进行分发。
Amazon S3 and Google GCS: Read more 有关Cloud Storages支持和版本0.7.0的信息。

Use Cases

数据标注支持的案例列表。请贡献自己的配置，并随时扩展基本类型以支持更多方案。请注意，这不是一个详尽的清单，只有主要方案。

Task	Description
Image
Classification	图片分类
目标检测	使用边界框或多边形检测图像中的对象
Semantic Segmentation	语义分隔，为每个像素检测其所属的对象类别
Pose Estimation	姿势检测，标记人的关节位置
Text
Classification	文本分类
Summarization	创建一个代表原始内容中最相关信息的摘要
HTML Tagging	标注诸如简历，研究，法律文件和转换为HTML的Excel工作表之类的内容
Audio
Classification	音频分类
Speaker Diarisation	根据说话人身份将输入音频流划分为同质段
Emotion Recognition	标记并识别音频中的情感
Transcription	用文字写下口头交流
Video
Classification	视频分类
Comparison
Pairwise	成对比较实体以判断哪个实体是首选
Ranking	根据某些属性对列表中的项目进行排序
Time Series
Classification
Segmentation

Machine Learning Integration

您可以轻松地将自己喜欢的机器学习框架与Label Studio机器学习SDK连接起来。只需两个简单的步即可完成：

启动您自己的ML后端服务器 (了解更多),
将Label Studio连接到正在运行的ML后端 /model page

您可以使用:

Pre-labeling: 使用模型预测进行pre-labeling(例如，使用实时模型预测创建粗略的图像分割，以进行进一步的手动优化)
Autolabeling: 创建自动标注
Online Learning: 进行标注的同时更新(重新训练)模型
Active Learning: 在主动学习模式下执行label-仅选择最复杂的样本
Prediction Service: 即时创建运行中的production-ready预测服务

Label Studio Integration to your services

你可以使用 Label Studio Frontend 独立的 React library, read more here.
Label Studio后端(此仓库)可以通过Flask Blueprints集成到您的应用中 . See example of integration here.

Label Studio for Teams, Startups, and Enterprises 🏢

Label Studio for Teams是我们的企业版(云和本地)，其中包括数据管理器，高质量的基线模型，主动学习，协作者支持等。请访问website了解更多信息。

Ecosystem

Project	Description
label-studio	Server part, distributed as a pip package
label-studio-frontend	用JavaScript和React编写的前端部分可以嵌入到您的应用程序中
label-studio-converter	将label编码为您喜欢的机器学习库的格式
label-studio-transformers	连接并配置为与Label Studio一起使用的Huggface transformers库

Citation

@misc{Label Studio,
  title={{Label Studio}: Data labeling software},
  url={https://github.com/heartexlabs/label-studio},
  note={Open source software available from https://github.com/heartexlabs/label-studio},
  author={
    Maxim Tkachenko and
    Mikhail Malyuk and
    Nikita Shevchenko and
    Andrey Holmanyuk and
    Nikolai Liubimov},
  year={2020},
}

zlszhonglongshen/label-studio