目標檢測標註工具箱
彙總鏈接1：https://github.com/mingx9527/Data_Label_Tools
手動標註工具箱
1、LabelImg
code：https://github.com/tzutalin/labelImg
2、BBox-Label-Tool
code：https://github.com/puzzledqs/BBox-Label-Tool
3、Labelme（Python與QT）
code：https://github.com/wkentaro/labelme
4、RoLabelImg
code：github.com/cgvict/roLabelImg
5、Yolo_mark
code：https://github.com/AlexeyAB/Yolo_mark
6、video_labeler：視頻標註
code：https://github.com/hahnyuan/video_labeler
Boobs
code：https://github.com/drainingsun/boobs
專屬的YOLO BBox標註工具，支持圖像數據標準爲YOLO格式
現在也支持VOC/COCO格式數據導出
基於WEB方式的標註工具
支持下載zip包本地部署
無需服務器端支持，直接瀏覽器支持打開boobs.html即可開始數據標註
詳見https://www.sohu.com/a/325816394_100007727
point-cloud-annotation-tool（點雲標註工具）
code：https://github.com/springzfx/point-cloud-annotation-tool
3D點雲數據標註神器
支持3D BOX框生成
支持KITTI-bin格式數據
半自動標註工具箱
1、 semi-auto-image-annotation-tool（2018）
code：https://github.com/virajmavani/semi-auto-image-annotation-tool
它以RetinaNet作爲建議算法，使用預訓練的RetinaNet模型從MS COCO數據集建議80個類對象。
問題1：Cannot use ‘filtered_detections/map/while/strided_slice_2’ as input to ‘filtered_detections/map/while/ones/packed’ because ‘filtered_detections/map/while/strided_slice_2’ is in a while loop. See info log for more details.
解決方案：將Keras2.3.1降爲Keras2.2.5
參考鏈接：https://github.com/fizyr/keras-retinanet/issues/1118
2、Vatic（2012）
視頻標註
code：https://github.com/cvondrick/vatic
