Skip to content
BranchesTags

Repository files navigation

SenLabeler

PythonGradioPyTorchLicense

基于 AI 预标注的图像标注工具

功能特性 • 快速开始 • 使用指南 • 模型支持 • 项目结构

📖 项目简介

本工具是一个图像标注平台，集成了多种先进的视觉大模型，支持 AI 辅助预标注，大幅提升标注效率。基于 Gradio 构建友好的 Web 界面，支持矩形框和遮罩两种标注模式。

✨ 功能特性

🗂️ 数据集管理

  • 创建和管理多个数据集项目
  • 支持矩形框（rect）和遮罩（mask）两种标注类型

🤖 AI 预标注

集成多种视觉大模型，支持零样本/开放词汇目标检测：

模型检测类型特点
YOLOE-262D框 + 遮罩实时检测，支持分割
SAM32D框 + 遮罩高精度分割模型
Grounding-DINO2D框开放词汇检测
OWLV22D框零样本目标检测

🖌️ 交互式标注

  • 实时可视化标注结果
  • 支持手动调整和修正
  • 标注列表管理
  • 支持置信度阈值过滤

💾 数据格式

  • 自定义轻量级标注格式
  • 支持 RLE 编码的遮罩存储
  • 兼容 COCO 格式转换（计划中）

🚀 快速开始

环境要求

  • Python 3.8+
  • CUDA 11.0+ (推荐，用于 GPU 加速)

安装步骤

# 克隆项目
git clone https://github.com/senweaver/SenLabeler.git
cd SenLabeler
# 安装依赖
pip install -r requirements.txt
# 下载模型文件（可选，首次运行时会自动下载）# SAM3模型需要手动下载

启动服务

python main.py

服务启动后，访问 http://localhost:8080 即可使用。

📚 使用指南

1. 创建数据集

在 ./data/ 目录下创建新文件夹作为数据集：

data/
├── my_dataset/ # 数据集名称
│ ├── config.json # 数据集配置（可选）
│ └── images/ # 图片目录
│ ├── image1.png
│ ├── image1.txt # 标注文件（可选）
│ └── ...

2. AI 预标注流程

  1. 选择数据集 - 在"数据集管理"标签页选择要标注的数据集，设置好数据集的类别
  2. 进入工作区 - 切换到"工作区"标签页
  3. 选择图片 - 从图片列表中选择要标注的图片
  4. 配置模型 - 选择预标注模型，输入提示语，指定目标类别
  5. 执行预标注 - 点击"标注当前图片"按钮
  6. 审核调整 - 在标注预览中查看结果，调整置信度阈值
  7. 保存标注 - 点击"保存当前图片标注"保存结果，或点击"预标注全部图片"对当前数据集的图片进行预标注

3. 标注文件格式

标注文件采用简单文本格式（.txt）：

矩形框格式：

R class_name x1 y1 x2 y2

遮罩格式：

M class_name x1 y1 x2 y2 width height rle_counts

多边形格式：

P class_name x1 y1 x2 y2 x3 y3 ...

其中坐标为归一化坐标（0-1），遮罩使用 RLE 压缩编码。

📁 项目结构

SenLabeler/
├── main.py # 应用入口
├── preannotate_model.py # AI 模型推理封装
├── ds_config.py # 数据集配置管理
├── utils.py # 工具函数
├── requirements.txt # 依赖列表
│
├── components/ # 自定义 Gradio 组件
│ ├── detection_viewer/ # 检测结果可视化组件
│ │ ├── __init__.py
│ │ └── static/
│ │ ├── script.js
│ │ ├── style.css
│ │ └── template.html
│ └── layer_canvas/ # 多图层画布组件
│ ├── __init__.py
│ └── static/
│ ├── script.js
│ ├── style.css
│ └── template.html
│
├── data/ # 数据集目录
│ ├── test1/
│ │ ├── config.json
│ │ └── images/
│ └── test2/
│ ├── config.json
│ └── images/
│
├── models/ # 模型缓存目录
│ ├── models--google--owlv2-large-patch14-ensemble/
│ └── models--IDEA-Research--grounding-dino-base/
│
├── output/ # 输出目录

🛠️ 技术栈

类别技术
Web 框架Gradio 4.0+
深度学习PyTorch 2.0+, Ultralytics, Transformers
图像处理Pillow, OpenCV, NumPy
标注工具pycocotools, gradio-image-annotation
目标检测YOLOE, Grounding-DINO, OWLV2
图像分割SAM3

🤝 贡献指南

欢迎提交 Issue 和 Pull Request！

  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件

🙏 致谢

📞 联系我们

About

图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。

Resources

Readme
MIT license
Activity
Custom properties

Stars

9 stars

Watchers

1 watching

Forks

3 forks
Report repository

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { // Add copy buttons to all 
 blocks
(function() {
function addCopyButtons() {
document.querySelectorAll('pre code').forEach(function(codeBlock) {
if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;
codeBlock.parentElement.setAttribute('data-copy-added', 'true');
var btn = document.createElement('button');
btn.textContent = 'Copy';
btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';
btn.onmouseover = function() { this.style.opacity = '1'; };
btn.onmouseout = function() { this.style.opacity = '0.7'; };
btn.onclick = function() {
navigator.clipboard.writeText(codeBlock.textContent).then(function() {
btn.textContent = 'Copied!';
setTimeout(function() { btn.textContent = 'Copy'; }, 1500);
});
};
codeBlock.parentElement.style.position = 'relative';
codeBlock.parentElement.appendChild(btn);
});
}
addCopyButtons();
// Re-run on dynamic content
var observer = new MutationObserver(addCopyButtons);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '
GitHub - senweaver/SenLabeler: 图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。 · GitHub
Skip to content
BranchesTags
Repository files navigation
SenLabeler
PythonGradioPyTorchLicense
基于 AI 预标注的图像标注工具
功能特性 • 快速开始 • 使用指南 • 模型支持 • 项目结构
📖 项目简介
本工具是一个图像标注平台，集成了多种先进的视觉大模型，支持 AI 辅助预标注，大幅提升标注效率。基于 Gradio 构建友好的 Web 界面，支持矩形框和遮罩两种标注模式。
✨ 功能特性
🗂️ 数据集管理
  • 创建和管理多个数据集项目
  • 支持矩形框（rect）和遮罩（mask）两种标注类型
🤖 AI 预标注
集成多种视觉大模型，支持零样本/开放词汇目标检测：
模型检测类型特点
YOLOE-262D框 + 遮罩实时检测，支持分割
SAM32D框 + 遮罩高精度分割模型
Grounding-DINO2D框开放词汇检测
OWLV22D框零样本目标检测
🖌️ 交互式标注
  • 实时可视化标注结果
  • 支持手动调整和修正
  • 标注列表管理
  • 支持置信度阈值过滤
💾 数据格式
  • 自定义轻量级标注格式
  • 支持 RLE 编码的遮罩存储
  • 兼容 COCO 格式转换（计划中）
🚀 快速开始
环境要求
  • Python 3.8+
  • CUDA 11.0+ (推荐，用于 GPU 加速)
安装步骤
# 克隆项目
git clone https://github.com/senweaver/SenLabeler.git
cd SenLabeler
# 安装依赖
pip install -r requirements.txt
# 下载模型文件（可选，首次运行时会自动下载）# SAM3模型需要手动下载
启动服务
python main.py
服务启动后，访问 http://localhost:8080 即可使用。
📚 使用指南
1. 创建数据集
在 ./data/ 目录下创建新文件夹作为数据集：
data/
├── my_dataset/ # 数据集名称
│ ├── config.json # 数据集配置（可选）
│ └── images/ # 图片目录
│ ├── image1.png
│ ├── image1.txt # 标注文件（可选）
│ └── ...

2. AI 预标注流程
  1. 选择数据集 - 在"数据集管理"标签页选择要标注的数据集，设置好数据集的类别
  2. 进入工作区 - 切换到"工作区"标签页
  3. 选择图片 - 从图片列表中选择要标注的图片
  4. 配置模型 - 选择预标注模型，输入提示语，指定目标类别
  5. 执行预标注 - 点击"标注当前图片"按钮
  6. 审核调整 - 在标注预览中查看结果，调整置信度阈值
  7. 保存标注 - 点击"保存当前图片标注"保存结果，或点击"预标注全部图片"对当前数据集的图片进行预标注
3. 标注文件格式
标注文件采用简单文本格式（.txt）：
矩形框格式：
R class_name x1 y1 x2 y2

遮罩格式：
M class_name x1 y1 x2 y2 width height rle_counts

多边形格式：
P class_name x1 y1 x2 y2 x3 y3 ...

其中坐标为归一化坐标（0-1），遮罩使用 RLE 压缩编码。
📁 项目结构
SenLabeler/
├── main.py # 应用入口
├── preannotate_model.py # AI 模型推理封装
├── ds_config.py # 数据集配置管理
├── utils.py # 工具函数
├── requirements.txt # 依赖列表
│
├── components/ # 自定义 Gradio 组件
│ ├── detection_viewer/ # 检测结果可视化组件
│ │ ├── __init__.py
│ │ └── static/
│ │ ├── script.js
│ │ ├── style.css
│ │ └── template.html
│ └── layer_canvas/ # 多图层画布组件
│ ├── __init__.py
│ └── static/
│ ├── script.js
│ ├── style.css
│ └── template.html
│
├── data/ # 数据集目录
│ ├── test1/
│ │ ├── config.json
│ │ └── images/
│ └── test2/
│ ├── config.json
│ └── images/
│
├── models/ # 模型缓存目录
│ ├── models--google--owlv2-large-patch14-ensemble/
│ └── models--IDEA-Research--grounding-dino-base/
│
├── output/ # 输出目录

🛠️ 技术栈
类别技术
Web 框架Gradio 4.0+
深度学习PyTorch 2.0+, Ultralytics, Transformers
图像处理Pillow, OpenCV, NumPy
标注工具pycocotools, gradio-image-annotation
目标检测YOLOE, Grounding-DINO, OWLV2
图像分割SAM3
🤝 贡献指南
欢迎提交 Issue 和 Pull Request！
  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request
📄 许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件
🙏 致谢
📞 联系我们
About
图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。
Resources
Readme
MIT license
Activity
Custom properties
Stars
9 stars
Watchers
1 watching
Forks
3 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Force GitHub README to respect dark mode
(function() {
var style = document.createElement('style');
style.textContent = '
.markdown-body {
color-scheme: dark light;
}
.markdown-body pre { background: #161b22 !important; }
.markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }
.markdown-body table th, .markdown-body table td { border-color: #30363d !important; }
.markdown-body img { background: #0d1117; }
.markdown-body blockquote { border-left-color: #8b949e; }
.markdown-body hr { border-color: #30363d; }
';
document.head.appendChild(style);
})();
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
GitHub - senweaver/SenLabeler: 图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。 · GitHub
Skip to content
BranchesTags
Repository files navigation
SenLabeler
PythonGradioPyTorchLicense
基于 AI 预标注的图像标注工具
功能特性 • 快速开始 • 使用指南 • 模型支持 • 项目结构
📖 项目简介
本工具是一个图像标注平台，集成了多种先进的视觉大模型，支持 AI 辅助预标注，大幅提升标注效率。基于 Gradio 构建友好的 Web 界面，支持矩形框和遮罩两种标注模式。
✨ 功能特性
🗂️ 数据集管理
  • 创建和管理多个数据集项目
  • 支持矩形框（rect）和遮罩（mask）两种标注类型
🤖 AI 预标注
集成多种视觉大模型，支持零样本/开放词汇目标检测：
模型检测类型特点
YOLOE-262D框 + 遮罩实时检测，支持分割
SAM32D框 + 遮罩高精度分割模型
Grounding-DINO2D框开放词汇检测
OWLV22D框零样本目标检测
🖌️ 交互式标注
  • 实时可视化标注结果
  • 支持手动调整和修正
  • 标注列表管理
  • 支持置信度阈值过滤
💾 数据格式
  • 自定义轻量级标注格式
  • 支持 RLE 编码的遮罩存储
  • 兼容 COCO 格式转换（计划中）
🚀 快速开始
环境要求
  • Python 3.8+
  • CUDA 11.0+ (推荐，用于 GPU 加速)
安装步骤
# 克隆项目
git clone https://github.com/senweaver/SenLabeler.git
cd SenLabeler
# 安装依赖
pip install -r requirements.txt
# 下载模型文件（可选，首次运行时会自动下载）# SAM3模型需要手动下载
启动服务
python main.py
服务启动后，访问 http://localhost:8080 即可使用。
📚 使用指南
1. 创建数据集
在 ./data/ 目录下创建新文件夹作为数据集：
data/
├── my_dataset/ # 数据集名称
│ ├── config.json # 数据集配置（可选）
│ └── images/ # 图片目录
│ ├── image1.png
│ ├── image1.txt # 标注文件（可选）
│ └── ...

2. AI 预标注流程
  1. 选择数据集 - 在"数据集管理"标签页选择要标注的数据集，设置好数据集的类别
  2. 进入工作区 - 切换到"工作区"标签页
  3. 选择图片 - 从图片列表中选择要标注的图片
  4. 配置模型 - 选择预标注模型，输入提示语，指定目标类别
  5. 执行预标注 - 点击"标注当前图片"按钮
  6. 审核调整 - 在标注预览中查看结果，调整置信度阈值
  7. 保存标注 - 点击"保存当前图片标注"保存结果，或点击"预标注全部图片"对当前数据集的图片进行预标注
3. 标注文件格式
标注文件采用简单文本格式（.txt）：
矩形框格式：
R class_name x1 y1 x2 y2

遮罩格式：
M class_name x1 y1 x2 y2 width height rle_counts

多边形格式：
P class_name x1 y1 x2 y2 x3 y3 ...

其中坐标为归一化坐标（0-1），遮罩使用 RLE 压缩编码。
📁 项目结构
SenLabeler/
├── main.py # 应用入口
├── preannotate_model.py # AI 模型推理封装
├── ds_config.py # 数据集配置管理
├── utils.py # 工具函数
├── requirements.txt # 依赖列表
│
├── components/ # 自定义 Gradio 组件
│ ├── detection_viewer/ # 检测结果可视化组件
│ │ ├── __init__.py
│ │ └── static/
│ │ ├── script.js
│ │ ├── style.css
│ │ └── template.html
│ └── layer_canvas/ # 多图层画布组件
│ ├── __init__.py
│ └── static/
│ ├── script.js
│ ├── style.css
│ └── template.html
│
├── data/ # 数据集目录
│ ├── test1/
│ │ ├── config.json
│ │ └── images/
│ └── test2/
│ ├── config.json
│ └── images/
│
├── models/ # 模型缓存目录
│ ├── models--google--owlv2-large-patch14-ensemble/
│ └── models--IDEA-Research--grounding-dino-base/
│
├── output/ # 输出目录

🛠️ 技术栈
类别技术
Web 框架Gradio 4.0+
深度学习PyTorch 2.0+, Ultralytics, Transformers
图像处理Pillow, OpenCV, NumPy
标注工具pycocotools, gradio-image-annotation
目标检测YOLOE, Grounding-DINO, OWLV2
图像分割SAM3
🤝 贡献指南
欢迎提交 Issue 和 Pull Request！
  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request
📄 许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件
🙏 致谢
📞 联系我们
About
图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。
Resources
Readme
MIT license
Activity
Custom properties
Stars
9 stars
Watchers
1 watching
Forks
3 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Highlight search terms from Google/DuckDuckGo/Bing referrer
(function() {
var ref = document.referrer;
var terms = [];
if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {
var url = new URL(ref);
var q = url.searchParams.get('q') || url.searchParams.get('p');
if (q) {
terms = q.split(/\s+/).filter(function(t) { return t.length > 2; });
}
}
if (terms.length === 0) return;
var style = document.createElement('style');
style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';
document.head.appendChild(style);
function highlight(node) {
if (node.nodeType === 3) { // text node
var text = node.textContent;
var found = false;
terms.forEach(function(term) {
var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\]\\]/g, '\\') + ')', 'gi');
if (regex.test(text)) {
found = true;
var frag = document.createDocumentFragment();
var parts = text.split(regex);
parts.forEach(function(part, i) {
if (i % 2 === 0) {
frag.appendChild(document.createTextNode(part));
} else {
var span = document.createElement('span');
span.className = 'userscript-highlight';
span.textContent = part;
frag.appendChild(span);
}
});
node.parentNode.replaceChild(frag, node);
}
});
} else if (node.nodeType === 1 && node.childNodes) { // element
var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];
if (!skipTags.includes(node.tagName)) {
Array.from(node.childNodes).forEach(highlight);
}
}
}
highlight(document.body);
// Re-highlight on dynamic content
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1 || node.nodeType === 3) highlight(node);
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
GitHub - senweaver/SenLabeler: 图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。 · GitHub
Skip to content
BranchesTags
Repository files navigation
SenLabeler
PythonGradioPyTorchLicense
基于 AI 预标注的图像标注工具
功能特性 • 快速开始 • 使用指南 • 模型支持 • 项目结构
📖 项目简介
本工具是一个图像标注平台，集成了多种先进的视觉大模型，支持 AI 辅助预标注，大幅提升标注效率。基于 Gradio 构建友好的 Web 界面，支持矩形框和遮罩两种标注模式。
✨ 功能特性
🗂️ 数据集管理
  • 创建和管理多个数据集项目
  • 支持矩形框（rect）和遮罩（mask）两种标注类型
🤖 AI 预标注
集成多种视觉大模型，支持零样本/开放词汇目标检测：
模型检测类型特点
YOLOE-262D框 + 遮罩实时检测，支持分割
SAM32D框 + 遮罩高精度分割模型
Grounding-DINO2D框开放词汇检测
OWLV22D框零样本目标检测
🖌️ 交互式标注
  • 实时可视化标注结果
  • 支持手动调整和修正
  • 标注列表管理
  • 支持置信度阈值过滤
💾 数据格式
  • 自定义轻量级标注格式
  • 支持 RLE 编码的遮罩存储
  • 兼容 COCO 格式转换（计划中）
🚀 快速开始
环境要求
  • Python 3.8+
  • CUDA 11.0+ (推荐，用于 GPU 加速)
安装步骤
# 克隆项目
git clone https://github.com/senweaver/SenLabeler.git
cd SenLabeler
# 安装依赖
pip install -r requirements.txt
# 下载模型文件（可选，首次运行时会自动下载）# SAM3模型需要手动下载
启动服务
python main.py
服务启动后，访问 http://localhost:8080 即可使用。
📚 使用指南
1. 创建数据集
在 ./data/ 目录下创建新文件夹作为数据集：
data/
├── my_dataset/ # 数据集名称
│ ├── config.json # 数据集配置（可选）
│ └── images/ # 图片目录
│ ├── image1.png
│ ├── image1.txt # 标注文件（可选）
│ └── ...

2. AI 预标注流程
  1. 选择数据集 - 在"数据集管理"标签页选择要标注的数据集，设置好数据集的类别
  2. 进入工作区 - 切换到"工作区"标签页
  3. 选择图片 - 从图片列表中选择要标注的图片
  4. 配置模型 - 选择预标注模型，输入提示语，指定目标类别
  5. 执行预标注 - 点击"标注当前图片"按钮
  6. 审核调整 - 在标注预览中查看结果，调整置信度阈值
  7. 保存标注 - 点击"保存当前图片标注"保存结果，或点击"预标注全部图片"对当前数据集的图片进行预标注
3. 标注文件格式
标注文件采用简单文本格式（.txt）：
矩形框格式：
R class_name x1 y1 x2 y2

遮罩格式：
M class_name x1 y1 x2 y2 width height rle_counts

多边形格式：
P class_name x1 y1 x2 y2 x3 y3 ...

其中坐标为归一化坐标（0-1），遮罩使用 RLE 压缩编码。
📁 项目结构
SenLabeler/
├── main.py # 应用入口
├── preannotate_model.py # AI 模型推理封装
├── ds_config.py # 数据集配置管理
├── utils.py # 工具函数
├── requirements.txt # 依赖列表
│
├── components/ # 自定义 Gradio 组件
│ ├── detection_viewer/ # 检测结果可视化组件
│ │ ├── __init__.py
│ │ └── static/
│ │ ├── script.js
│ │ ├── style.css
│ │ └── template.html
│ └── layer_canvas/ # 多图层画布组件
│ ├── __init__.py
│ └── static/
│ ├── script.js
│ ├── style.css
│ └── template.html
│
├── data/ # 数据集目录
│ ├── test1/
│ │ ├── config.json
│ │ └── images/
│ └── test2/
│ ├── config.json
│ └── images/
│
├── models/ # 模型缓存目录
│ ├── models--google--owlv2-large-patch14-ensemble/
│ └── models--IDEA-Research--grounding-dino-base/
│
├── output/ # 输出目录

🛠️ 技术栈
类别技术
Web 框架Gradio 4.0+
深度学习PyTorch 2.0+, Ultralytics, Transformers
图像处理Pillow, OpenCV, NumPy
标注工具pycocotools, gradio-image-annotation
目标检测YOLOE, Grounding-DINO, OWLV2
图像分割SAM3
🤝 贡献指南
欢迎提交 Issue 和 Pull Request！
  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request
📄 许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件
🙏 致谢
📞 联系我们
About
图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。
Resources
Readme
MIT license
Activity
Custom properties
Stars
9 stars
Watchers
1 watching
Forks
3 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Strip utm_, fbclid, gclid, etc. from all links on page
(function() {
var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',
'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',
'ref', 'ref_src', 'source', 'medium', 'campaign'];
function cleanUrl(url) {
try {
var u = new URL(url, window.location.origin);
var changed = false;
trackingParams.forEach(function(p) {
if (u.searchParams.has(p)) {
u.searchParams.delete(p);
changed = true;
}
});
return changed ? u.toString() : url;
} catch (e) {
return url;
}
}
function cleanLinks() {
document.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
cleanLinks();
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1) {
if (node.tagName === 'A') cleanLinks();
node.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '
GitHub - senweaver/SenLabeler: 图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。 · GitHub
Skip to content
BranchesTags
Repository files navigation
SenLabeler
PythonGradioPyTorchLicense
基于 AI 预标注的图像标注工具
功能特性 • 快速开始 • 使用指南 • 模型支持 • 项目结构
📖 项目简介
本工具是一个图像标注平台，集成了多种先进的视觉大模型，支持 AI 辅助预标注，大幅提升标注效率。基于 Gradio 构建友好的 Web 界面，支持矩形框和遮罩两种标注模式。
✨ 功能特性
🗂️ 数据集管理
  • 创建和管理多个数据集项目
  • 支持矩形框（rect）和遮罩（mask）两种标注类型
🤖 AI 预标注
集成多种视觉大模型，支持零样本/开放词汇目标检测：
模型检测类型特点
YOLOE-262D框 + 遮罩实时检测，支持分割
SAM32D框 + 遮罩高精度分割模型
Grounding-DINO2D框开放词汇检测
OWLV22D框零样本目标检测
🖌️ 交互式标注
  • 实时可视化标注结果
  • 支持手动调整和修正
  • 标注列表管理
  • 支持置信度阈值过滤
💾 数据格式
  • 自定义轻量级标注格式
  • 支持 RLE 编码的遮罩存储
  • 兼容 COCO 格式转换（计划中）
🚀 快速开始
环境要求
  • Python 3.8+
  • CUDA 11.0+ (推荐，用于 GPU 加速)
安装步骤
# 克隆项目
git clone https://github.com/senweaver/SenLabeler.git
cd SenLabeler
# 安装依赖
pip install -r requirements.txt
# 下载模型文件（可选，首次运行时会自动下载）# SAM3模型需要手动下载
启动服务
python main.py
服务启动后，访问 http://localhost:8080 即可使用。
📚 使用指南
1. 创建数据集
在 ./data/ 目录下创建新文件夹作为数据集：
data/
├── my_dataset/ # 数据集名称
│ ├── config.json # 数据集配置（可选）
│ └── images/ # 图片目录
│ ├── image1.png
│ ├── image1.txt # 标注文件（可选）
│ └── ...

2. AI 预标注流程
  1. 选择数据集 - 在"数据集管理"标签页选择要标注的数据集，设置好数据集的类别
  2. 进入工作区 - 切换到"工作区"标签页
  3. 选择图片 - 从图片列表中选择要标注的图片
  4. 配置模型 - 选择预标注模型，输入提示语，指定目标类别
  5. 执行预标注 - 点击"标注当前图片"按钮
  6. 审核调整 - 在标注预览中查看结果，调整置信度阈值
  7. 保存标注 - 点击"保存当前图片标注"保存结果，或点击"预标注全部图片"对当前数据集的图片进行预标注
3. 标注文件格式
标注文件采用简单文本格式（.txt）：
矩形框格式：
R class_name x1 y1 x2 y2

遮罩格式：
M class_name x1 y1 x2 y2 width height rle_counts

多边形格式：
P class_name x1 y1 x2 y2 x3 y3 ...

其中坐标为归一化坐标（0-1），遮罩使用 RLE 压缩编码。
📁 项目结构
SenLabeler/
├── main.py # 应用入口
├── preannotate_model.py # AI 模型推理封装
├── ds_config.py # 数据集配置管理
├── utils.py # 工具函数
├── requirements.txt # 依赖列表
│
├── components/ # 自定义 Gradio 组件
│ ├── detection_viewer/ # 检测结果可视化组件
│ │ ├── __init__.py
│ │ └── static/
│ │ ├── script.js
│ │ ├── style.css
│ │ └── template.html
│ └── layer_canvas/ # 多图层画布组件
│ ├── __init__.py
│ └── static/
│ ├── script.js
│ ├── style.css
│ └── template.html
│
├── data/ # 数据集目录
│ ├── test1/
│ │ ├── config.json
│ │ └── images/
│ └── test2/
│ ├── config.json
│ └── images/
│
├── models/ # 模型缓存目录
│ ├── models--google--owlv2-large-patch14-ensemble/
│ └── models--IDEA-Research--grounding-dino-base/
│
├── output/ # 输出目录

🛠️ 技术栈
类别技术
Web 框架Gradio 4.0+
深度学习PyTorch 2.0+, Ultralytics, Transformers
图像处理Pillow, OpenCV, NumPy
标注工具pycocotools, gradio-image-annotation
目标检测YOLOE, Grounding-DINO, OWLV2
图像分割SAM3
🤝 贡献指南
欢迎提交 Issue 和 Pull Request！
  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request
📄 许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件
🙏 致谢
📞 联系我们
About
图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。
Resources
Readme
MIT license
Activity
Custom properties
Stars
9 stars
Watchers
1 watching
Forks
3 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Auto-enable theater mode on YouTube
(function() {
function tryTheater() {
var btn = document.querySelector('button[aria-label="Theater mode"], ytd-player #player button[title="Theater mode"]');
if (btn && !btn.classList.contains('activated')) {
btn.click();
}
}
// Try immediately
tryTheater();
// Try after navigation (SPA)
var lastUrl = location.href;
setInterval(function() {
if (location.href !== lastUrl) {
lastUrl = location.href;
setTimeout(tryTheater, 500);
}
}, 1000);
// Also try on player load
var observer = new MutationObserver(tryTheater);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
GitHub - senweaver/SenLabeler: 图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。 · GitHub
Skip to content
BranchesTags
Repository files navigation
SenLabeler
PythonGradioPyTorchLicense
基于 AI 预标注的图像标注工具
功能特性 • 快速开始 • 使用指南 • 模型支持 • 项目结构
📖 项目简介
本工具是一个图像标注平台，集成了多种先进的视觉大模型，支持 AI 辅助预标注，大幅提升标注效率。基于 Gradio 构建友好的 Web 界面，支持矩形框和遮罩两种标注模式。
✨ 功能特性
🗂️ 数据集管理
  • 创建和管理多个数据集项目
  • 支持矩形框（rect）和遮罩（mask）两种标注类型
🤖 AI 预标注
集成多种视觉大模型，支持零样本/开放词汇目标检测：
模型检测类型特点
YOLOE-262D框 + 遮罩实时检测，支持分割
SAM32D框 + 遮罩高精度分割模型
Grounding-DINO2D框开放词汇检测
OWLV22D框零样本目标检测
🖌️ 交互式标注
  • 实时可视化标注结果
  • 支持手动调整和修正
  • 标注列表管理
  • 支持置信度阈值过滤
💾 数据格式
  • 自定义轻量级标注格式
  • 支持 RLE 编码的遮罩存储
  • 兼容 COCO 格式转换（计划中）
🚀 快速开始
环境要求
  • Python 3.8+
  • CUDA 11.0+ (推荐，用于 GPU 加速)
安装步骤
# 克隆项目
git clone https://github.com/senweaver/SenLabeler.git
cd SenLabeler
# 安装依赖
pip install -r requirements.txt
# 下载模型文件（可选，首次运行时会自动下载）# SAM3模型需要手动下载
启动服务
python main.py
服务启动后，访问 http://localhost:8080 即可使用。
📚 使用指南
1. 创建数据集
在 ./data/ 目录下创建新文件夹作为数据集：
data/
├── my_dataset/ # 数据集名称
│ ├── config.json # 数据集配置（可选）
│ └── images/ # 图片目录
│ ├── image1.png
│ ├── image1.txt # 标注文件（可选）
│ └── ...

2. AI 预标注流程
  1. 选择数据集 - 在"数据集管理"标签页选择要标注的数据集，设置好数据集的类别
  2. 进入工作区 - 切换到"工作区"标签页
  3. 选择图片 - 从图片列表中选择要标注的图片
  4. 配置模型 - 选择预标注模型，输入提示语，指定目标类别
  5. 执行预标注 - 点击"标注当前图片"按钮
  6. 审核调整 - 在标注预览中查看结果，调整置信度阈值
  7. 保存标注 - 点击"保存当前图片标注"保存结果，或点击"预标注全部图片"对当前数据集的图片进行预标注
3. 标注文件格式
标注文件采用简单文本格式（.txt）：
矩形框格式：
R class_name x1 y1 x2 y2

遮罩格式：
M class_name x1 y1 x2 y2 width height rle_counts

多边形格式：
P class_name x1 y1 x2 y2 x3 y3 ...

其中坐标为归一化坐标（0-1），遮罩使用 RLE 压缩编码。
📁 项目结构
SenLabeler/
├── main.py # 应用入口
├── preannotate_model.py # AI 模型推理封装
├── ds_config.py # 数据集配置管理
├── utils.py # 工具函数
├── requirements.txt # 依赖列表
│
├── components/ # 自定义 Gradio 组件
│ ├── detection_viewer/ # 检测结果可视化组件
│ │ ├── __init__.py
│ │ └── static/
│ │ ├── script.js
│ │ ├── style.css
│ │ └── template.html
│ └── layer_canvas/ # 多图层画布组件
│ ├── __init__.py
│ └── static/
│ ├── script.js
│ ├── style.css
│ └── template.html
│
├── data/ # 数据集目录
│ ├── test1/
│ │ ├── config.json
│ │ └── images/
│ └── test2/
│ ├── config.json
│ └── images/
│
├── models/ # 模型缓存目录
│ ├── models--google--owlv2-large-patch14-ensemble/
│ └── models--IDEA-Research--grounding-dino-base/
│
├── output/ # 输出目录

🛠️ 技术栈
类别技术
Web 框架Gradio 4.0+
深度学习PyTorch 2.0+, Ultralytics, Transformers
图像处理Pillow, OpenCV, NumPy
标注工具pycocotools, gradio-image-annotation
目标检测YOLOE, Grounding-DINO, OWLV2
图像分割SAM3
🤝 贡献指南
欢迎提交 Issue 和 Pull Request！
  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request
📄 许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件
🙏 致谢
📞 联系我们
About
图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。
Resources
Readme
MIT license
Activity
Custom properties
Stars
9 stars
Watchers
1 watching
Forks
3 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
// Remove or un-stick sticky/fixed headers that block content
(function() {
function unstick() {
document.querySelectorAll('header, nav, [role="banner"], .header, .navbar, .sticky, .fixed-top, [style*="position: fixed"], [style*="position:sticky"]').forEach(function(el) {
if (el.style.position === 'fixed' || el.style.position === 'sticky' || getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {
el.style.position = 'static';
el.style.top = 'auto';
el.style.zIndex = 'auto';
}
});
}
unstick();
var observer = new MutationObserver(unstick);
observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });
})();
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
})();
GitHub - senweaver/SenLabeler: 图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。 · GitHub
Skip to content
BranchesTags
Repository files navigation
SenLabeler
PythonGradioPyTorchLicense
基于 AI 预标注的图像标注工具
功能特性 • 快速开始 • 使用指南 • 模型支持 • 项目结构
📖 项目简介
本工具是一个图像标注平台，集成了多种先进的视觉大模型，支持 AI 辅助预标注，大幅提升标注效率。基于 Gradio 构建友好的 Web 界面，支持矩形框和遮罩两种标注模式。
✨ 功能特性
🗂️ 数据集管理
  • 创建和管理多个数据集项目
  • 支持矩形框（rect）和遮罩（mask）两种标注类型
🤖 AI 预标注
集成多种视觉大模型，支持零样本/开放词汇目标检测：
模型检测类型特点
YOLOE-262D框 + 遮罩实时检测，支持分割
SAM32D框 + 遮罩高精度分割模型
Grounding-DINO2D框开放词汇检测
OWLV22D框零样本目标检测
🖌️ 交互式标注
  • 实时可视化标注结果
  • 支持手动调整和修正
  • 标注列表管理
  • 支持置信度阈值过滤
💾 数据格式
  • 自定义轻量级标注格式
  • 支持 RLE 编码的遮罩存储
  • 兼容 COCO 格式转换（计划中）
🚀 快速开始
环境要求
  • Python 3.8+
  • CUDA 11.0+ (推荐，用于 GPU 加速)
安装步骤
# 克隆项目
git clone https://github.com/senweaver/SenLabeler.git
cd SenLabeler
# 安装依赖
pip install -r requirements.txt
# 下载模型文件（可选，首次运行时会自动下载）# SAM3模型需要手动下载
启动服务
python main.py
服务启动后，访问 http://localhost:8080 即可使用。
📚 使用指南
1. 创建数据集
在 ./data/ 目录下创建新文件夹作为数据集：
data/
├── my_dataset/ # 数据集名称
│ ├── config.json # 数据集配置（可选）
│ └── images/ # 图片目录
│ ├── image1.png
│ ├── image1.txt # 标注文件（可选）
│ └── ...

2. AI 预标注流程
  1. 选择数据集 - 在"数据集管理"标签页选择要标注的数据集，设置好数据集的类别
  2. 进入工作区 - 切换到"工作区"标签页
  3. 选择图片 - 从图片列表中选择要标注的图片
  4. 配置模型 - 选择预标注模型，输入提示语，指定目标类别
  5. 执行预标注 - 点击"标注当前图片"按钮
  6. 审核调整 - 在标注预览中查看结果，调整置信度阈值
  7. 保存标注 - 点击"保存当前图片标注"保存结果，或点击"预标注全部图片"对当前数据集的图片进行预标注
3. 标注文件格式
标注文件采用简单文本格式（.txt）：
矩形框格式：
R class_name x1 y1 x2 y2

遮罩格式：
M class_name x1 y1 x2 y2 width height rle_counts

多边形格式：
P class_name x1 y1 x2 y2 x3 y3 ...

其中坐标为归一化坐标（0-1），遮罩使用 RLE 压缩编码。
📁 项目结构
SenLabeler/
├── main.py # 应用入口
├── preannotate_model.py # AI 模型推理封装
├── ds_config.py # 数据集配置管理
├── utils.py # 工具函数
├── requirements.txt # 依赖列表
│
├── components/ # 自定义 Gradio 组件
│ ├── detection_viewer/ # 检测结果可视化组件
│ │ ├── __init__.py
│ │ └── static/
│ │ ├── script.js
│ │ ├── style.css
│ │ └── template.html
│ └── layer_canvas/ # 多图层画布组件
│ ├── __init__.py
│ └── static/
│ ├── script.js
│ ├── style.css
│ └── template.html
│
├── data/ # 数据集目录
│ ├── test1/
│ │ ├── config.json
│ │ └── images/
│ └── test2/
│ ├── config.json
│ └── images/
│
├── models/ # 模型缓存目录
│ ├── models--google--owlv2-large-patch14-ensemble/
│ └── models--IDEA-Research--grounding-dino-base/
│
├── output/ # 输出目录

🛠️ 技术栈
类别技术
Web 框架Gradio 4.0+
深度学习PyTorch 2.0+, Ultralytics, Transformers
图像处理Pillow, OpenCV, NumPy
标注工具pycocotools, gradio-image-annotation
目标检测YOLOE, Grounding-DINO, OWLV2
图像分割SAM3
🤝 贡献指南
欢迎提交 Issue 和 Pull Request！
  1. Fork 本仓库
  2. 创建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request
📄 许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件
🙏 致谢
📞 联系我们
About
图像标注平台，集成了多种先进的视觉模型，支持 AI 辅助预标注，支持矩形框和遮罩两种标注模式。
Resources
Readme
MIT license
Activity
Custom properties
Stars
9 stars
Watchers
1 watching
Forks
3 forks
Report repository
Releases
Packages
Contributors
Languages