Label Studio 开源数据标注工具完整指南3 种启动方式5 分钟标注并导出【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studioLabel Studio 是一款开源数据标注工具支持图像、音频、文本、视频、时间序列 5 种数据类型。它解决两个问题人工标注慢、导出的格式不标准——把原始数据导入在浏览器里标注按训练框架需要的格式导出。Label Studio 图像数据标注界面左侧在图上直接画框右侧选择标签手里有 8000 张没标签的图手工标注有多难你在训练一个红绿灯识别模型手里有 8000 张图片的压缩包没有标签、没有坐标。让团队用 Excel 标注一周后你收到的是格式不统一的框坐标和写错的标签名训练管道要的却是带坐标的规范 JSON对齐格式和人工校对最耗时间。Label Studio 安装步骤3 种启动路线5 分钟全部跑起来下面 3 条路线按环境要求从低到高排列任选其一。 Docker 单容器快速体验路线适合快速体验不用克隆仓库。数据目录落在宿主机上方便迁移docker pull heartexlabs/label-studio:latest docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest跑完后浏览器打开 http://localhost:8080 注册账号数据库和上传的文件都在mydata目录里。 Docker Compose 编排生产数据路线适合接真实数据的生产场景附带 Nginx 和 PostgreSQL数据库不再是 SQLite 单文件。克隆仓库后执行git clone https://gitcode.com/GitHub_Trending/la/label-studio cd label-studio docker-compose up启动后直接访问 http://localhost各服务的端口和挂载定义在 docker-compose.yml 里。⚡ pip 包安装Python 开发路线适合集成到现有 Python 环境要求 Python 3.10 以上两行完成pip install label-studio label-studio跑完后服务同样在 8080 端口随时可以停掉进程。Label Studio 数据标注核心能力4 个每天都会用到的功能上手 Label Studio 后这 4 个功能是日常标注流程中触碰最多的部分。同一种接口标注 5 种数据类型图像、音频、文本、视频、时间序列共用同一套任务和账号体系不用切换工具。例如客服项目里同一个标注员上午标通话音频、下午标聊天文本进度在同一个仪表盘里按账号汇总。Label Studio 音频数据标注界面左侧是音频波形右侧是分类标签按钮用几行 XML 画出自己的标注布局标注界面由项目设置里的一段 XML 配置定义标签、形状、控件都可以自定义。标红绿灯时配置里写上“红灯”“绿灯”两个选项标注员界面上就只有这两个选项可选不会出现误触的文本输入框。配置语法在官方标注指南中有逐字段说明。标注结果按训练框架的格式导出标注结果统一存成 JSON导出时选择目标格式不用自己写转换脚本。标完 8000 张图后一键导出即可得到与你的训练框架匹配的数据需要其他格式时官方生态里有专门的转换工具。导出逻辑实现在 label_studio/data_export/ 模块。接入现成模型做预标注把已训练好的模型接到项目上让它先对新数据预测人只负责修正全量标注变成“校对”。例如 8000 张图先用旧模型推理一遍团队只复核置信度低的框。接入方式见 label_studio/ml/ 的模型后端文档。Label Studio 主动学习流程标注触发 Webhook 让模型重训新模型的预标注再回流到界面实战场景4 步标完 8000 张红绿灯图片继续用红绿灯这个场景走一遍准备数据、配置界面、执行标注、验证结果的完整流程。第 1 步 准备数据在首页点 New Project 新建项目起名traffic-light数据类型选图像。进入项目的数据导入页选择图片所在目录或直接拖入 ZIP 压缩包Label Studio 会按每张图生成一个任务8000 张图对应 8000 个任务。第 2 步 配置界面在 Set up labeling interface 页面粘贴下面的配置并保存View Image nameimage value$image/ RectangleLabels nametag toNameimage Label valueRed light backgroundred/ Label valueGreen light backgroundgreen/ /RectangleLabels /View这段配置的含义是左侧显示图片右侧提供画矩形框和两个标签选项。第 3 步 执行标注进入任务列表点开任务在图上框选红绿灯从右侧面板选中标签按 AltEnter 提交并自动跳到下一个任务。两名标注员可以并行作业每个任务都绑定账号能查到是谁标的。第 4 步 验证结果标完前 10 个任务后在项目的导出入口选择 label-studio JSON 格式导出。打开文件找到第一个任务顶层有image和result字段result数组里每条记录含value.labelRed light 或 Green light和 4 个框坐标数字。字段齐全这份数据就能直接进训练。⚠️ Label Studio 常见 3 个坑与解决办法跑通服务之后最容易遇到下面 3 种情况。现象pip 装好了label-studio命令却不认识。原因Python 低于 3.10或 pip 的脚本目录不在 PATH 里。解法先确认python --version显示 3.10 以上再用pip show label-studio查看安装位置把对应目录下的ScriptsWindows或binLinux加进 PATH。现象数据导入后标注页图片区域是空白。原因数据文件里的图片路径指向宿主机绝对路径Docker 容器内访问不到。解法启动容器时用-v把数据目录挂载到/label-studio/data或者改用 Label Studio 自带的本地文件存储来导入。现象小规模测试流畅接入真实数据量后任务列表明显变慢。原因单容器模式默认用 SQLite 单文件数据库并发查询有上限。解法换成 Docker Compose 编排数据库切换为 PostgreSQL。开始你的第一个 Label Studio 标注项目Label Studio 把“导入原始数据—标注—导出训练数据”压缩成一个可配置的服务3 条安装路线都在 5 分钟内启动。现在挑一条路线把实例跑起来导入你的前 100 张图。官方安装指南标注模板库机器学习模型集成教程REST API 参考【免费下载链接】label-studioLabel Studio is a multi-type data labeling and annotation tool with standardized output format项目地址: https://gitcode.com/GitHub_Trending/la/label-studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考