wkentaro/labelme

labelme – グラフィカルな画像アノテーションツール

何であるか – Python + Qtで書かれたデスクトップアプリケーション。画像または動画フレーム上にバウンディングボックス、ポリゴン、円、線、点、分類フラグを描画できます。アノテーションはシンプルなJSONファイルとして保存され、機械学習パイプラインで直接利用可能です。

なぜ重要か – 高品質なラベル付きデータは、コンピュータビジョンモデル（セマンティック/インスタンスセグメンテーション、オブジェクト検出、分類など）の開発におけるボトルネックです。labelmeは、無料でクロスプラットフォームに対応するラベル作成ツールであり、ほとんどのトレーニングフレームワークが期待するVOCまたはCOCO形式にエクスポート可能です。

主な機能

• ポリゴン、矩形、円、線、点の描画；フラグベースの分類。
• 動画フレームのアノテーション。
• GUIカスタマイズ（事前定義されたラベルリスト、自動保存、検証）。
• VOCスタイルデータセット（セマンティック/インスタンスセグメンテーション）およびCOCOスタイルデータセット（インスタンスセグメンテーション）へのエクスポート。
• 最新のAI支援機能：SAM/EfficientSAMによるポイントからマスク、YOLO-World/SAM-3によるテキストからアノテーション。
• 多言語UI（約20言語）。
• シングル実行可能ファイル（Python/Qt不要）およびpipインストール可能なパッケージ。

インストール

1. pip – pip install labelme（最新コードは pip install git+https://github.com/wkentaro/labelme.git で取得可能）。Python 3.12–3.14 と Qt6（PySide6）で動作。
2. スタンドアロンアプリ – プロジェクトサイトから事前にビルドされたバイナリをダウンロード（1回限りの支払い、依存関係なし）。
3. Linuxパッケージ – 複数のディストリビューションがネイティブパッケージマネージャーで labelme を提供（Repologyバッジを参照）。

一般的なワークフロー

# 単一画像でGUIを開く
labelme my_image.jpg

# フォルダ全体をアノテーション
labelme data_folder/ --labels labels.txt

# JSON内に元の画像データを含める（共有に便利）
labelme img.png --with-image-data

生成された <image>.json には形状、ラベル、およびオプションの画像データが含まれます。examples/utils.py に含まれるユーティリティは、これらのJSONファイルをNumPy配列に読み込む方法を示しています。

エクスポート – アノテーション後、組み込みエクスポートツール（または examples/ ディレクトリ内のヘルパー スクリプト）を実行して、PyTorch-Vision、Detectron2、TensorFlowなどのフレームワークで使用可能なVOCまたはCOCOデータセット構造を生成できます。

コミュニティとサポート – プロジェクトにはCIバッジ、Discordサーバー、公開のイシュートラッカーがあります。READMEには、公開インターフェースはCLI、JSON形式、~/.labelmerc 設定ファイルに限定されていると記載されています。Pythonインポート表面は内部的であり、変更される可能性があります。

---

上記のすべての情報は、リポジトリのREADMEから直接引用されています。