yuturuishi/ytlabel

ytlabel – AI 支援ラベリングを備えたオープンソースの画像/動画アノテーションツール

概要

• 画像（矩形、ポリゴンなど）や動画を手動でラベリングし、YOLO 互換形式で結果をエクスポートするための軽量な Web ベースのアプリケーションです。
• ユーザーが提供する大規模モデル API（例：LMStudio、vLLM、Ollama、Alibaba Cloud）を呼び出して、AI 自動ラベル を生成することもできます。
• このツールはデータアノテーションとデータセットエクスポートに焦点を当てています。モデルトレーニングは別のプロジェクト（ytstudio）で処理されます。

主な機能

• 手動ラベリング – 矩形、ポリゴン、マルチクラスタグ; LabelMe データセットからのインポート。
• AI 自動ラベリング – 設定した任意のローカルホスト LLM/VLM API 用のプラグイン。外部データは送信されません。
• データセットエクスポート – YOLO 形式で、train/val/test 分割を設定可能。
• ファイルマネージャー – 画像とアノテーションファイルの閲覧、アップロード、ダウンロード、削除。
• オフラインファースト – すべての静的アセットがバンドルされており、サーバーは隔離されたイントラネットで実行できます。
• キーボードショートカット – Ctrl+S で保存、Ctrl+Shift+D でラベルをクリア。

始め方

# リポジトリをクローンし、仮想環境を作成
python -m venv venv
source venv/bin/activate   # Windows の場合は venv\Scripts\activate

# 依存関係をインストール（清華 PyPI ソースからミラーリング）
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# Flask サーバーを実行
python app.py --host 0.0.0.0 --port 9924

最新のブラウザで http://127.0.0.1:9924 を開くと、ラベリング UI が表示されます。

プロジェクト構成（概要）

• app.py – エントリポイント。Flask + SocketIO サーバーを起動します。
• AiUtils.py – 設定された大規模モデル API に画像を転送し、返されたアノテーションを解析するヘルパークラス。
• templates/ – HTML ページ（index.html、ai_config.html、file_manager.html）。
• static/ – CSS、JavaScript、アイコン、およびオフライン使用のためのバンドルされた Socket.IO クライアントライブラリ。
• uploads/ – アップロードされたメディア、生成されたアノテーションファイル、ユーザー固有の設定のためのランタイムストレージ。

技術スタック

• バックエンド: Python 3.9+、Flask、Flask-SocketIO。
• フロントエンド: HTML / CSS / JavaScript、Socket.IO によるリアルタイム更新。
• 画像処理: OpenCV と Pillow (PIL)。
• パッケージング: オプションのスタンドアロンバイナリ用 PyInstaller 仕様（ytlabel.spec）。

ライセンス

• ytlabel 用に書かれたコードは MIT ライセンスでリリースされています。
• サードパーティのライブラリは元のライセンスを保持します。
• AI 自動ラベリング機能は、ユーザー制御のモデル API にリクエストを転送するだけです。ytlabel 自体はモデルウェイトを同梱していません。

誰が使うか

• カスタムコンピュータビジョンデータセットを構築する研究者やエンジニアで、シンプルで自己ホスト型のラベリング UI を必要とする方。
• データをオンプレミスに保ちながら、画像をクラウドサービスに送信せずに大規模モデルの支援を活用したいチーム。
• Flask ベースで、クロスプラットフォーム、オフライン展開用にパッケージ化できるラベリングツールを探している方。