做過目標檢測的小夥伴基本上都是用過labelImage圖像註釋工具，優點是簡單方便，缺點是隻能標註矩形目標框，像實例分割（Instance segmentation）語義分割（semantic segmentation），bbox檢測和分類等其他不規則形狀檢測的計算機視覺任務就無法勝任了。
開源免費的標註工具labelme可以實現這樣的標註，但是本文介紹另一個標註工具。
Detectron 實現的 Mask-RCNN 的輸出
1. SmartTool 介紹
該註釋工具是由計算機視覺平臺 Supervisely開發的，針對需求大量高質量標註數據的標註工具。Supervisely提供一流的數據註釋工具和基礎架構，便捷的操作和強大的功能，很容易上手。社區版是免費的，通過網頁訪問控制檯。企業版是爲企業設計的自託管解決方案，可確保100％的數據隱私。
本文目的是介紹Supervisely最有用的註釋功能，這些功能將幫助用戶爲計算機視覺應用程序標記圖像和視頻。更多的功能，感興趣的小夥伴可以自己探索，have fun！
2. SmartTool–精準的語義分割標註工具
該工具可以對數據進行精準的標註。關鍵功能是用戶可以針對特定對象自定義它。相比之下，市場上的其他註釋工具迫使用戶使用基於超像素，分水嶺算法或類似工具的弱工具。用戶在註釋期間必須調整許多參數，在實踐過程中，這並不實用。下文所用圖片的原圖都是gif，動圖大小超過了csdn的圖片上傳限制，無法上傳。爲了方便小夥伴快速瞭解本工具，所以截取了最能表達功能特點的截圖。可以科學上網的小夥伴，詳細可看見文末的參考文章。如果不可以，我已經把視頻上傳至b站。
2.1 多邊形
多邊形工具可以用矢量對象分割區域。添加/刪除點以校正現有形狀，添加多邊形孔以分割複雜結構。
2.2 邊界框
只需在對象周圍放置兩個點，然後將它們移動即可調整檢測。“瞄準裝置”將使其更快。
2.3 畫刷和擦除
使用畫筆繪製均勻且精確的註釋，然後用橡皮擦校正。
2.4 校正裁剪
使用多邊形工具監督地校正（填充和裁切）柵格對象。用例之一是糾正神經網絡預測。
2.5 標籤和描述
Supervisely的註釋平臺具有強大的標籤引擎。可能的用例：爲圖像和對象分配標籤以爲分類模型準備訓練數據，使用描述爲OCR模型準備訓練數據，或者僅在註釋過程中將它們用作註釋和註釋。
2.6 選擇，移動，編輯
選擇工具有助於在圖像上導航大量對象。選擇感興趣的對象後，只需將其移動或開始編輯即可。移動操作有助於進行視頻註釋：標記第一幀，然後將對象複製到下一幀，並稍微調整對象位置。
2.7 亮度/對比度
圖像必須具有適當的亮度和對比度，以便於查看和標記。亮度/對比度調節非常有用，特別是在光線不足的情況下拍攝的圖像或醫學圖像。
2.8 對象順序和不透明度
讓我們考慮自動駕駛汽車的語義分割。如何在複雜場景上標記對象：有無交集？最佳實踐是使用相交註釋對象，然後排列它們的順序。不透明度工具可幫助您在註釋過程中實時查看最終的細分。開箱即用地支持這些功能。
2.9 歷史
通過使用“撤消”（Ctrl + Z）/“重做”（Ctrl + Shift + Z）命令和“歷史記錄”面板，您可以輕鬆地控制註釋過程的狀態。
2.10 熱鍵
爲了提高標籤製作效率，Supervisely允許您查看所有熱鍵的列表，並進行編輯或創建。“鍵盤熱鍵”對話框用作快捷方式編輯器，幷包含所有支持快捷方式的命令。
2.11 自定義設置
對於每個項目，用戶都可以自定義視覺設置和默認行爲：點和線的寬度，默認對象的不透明度，標籤位置模式，啓用網格模式，更改縮放倍數等。
