wkentaro/labelme

labelme – 그래픽 이미지 주석 도구

무엇인가요 – Python + Qt로 작성된 데스크톱 애플리케이션으로, 이미지나 동영상 프레임 위에 경계 상자, 다각형, 원, 선, 점, 분류 플래그를 그릴 수 있습니다. 주석은 간단한 JSON 파일로 저장되며, 머신러닝 파이프라인에서 직접 사용할 수 있습니다.

왜 중요한가요 – 고품질의 레이블 데이터는 컴퓨터 비전 모델(세그멘테이션, 객체 탐지, 분류 등) 개발의 핵심 장애물입니다. labelme는 무료로 크로스플랫폼에서 레이블을 생성할 수 있으며, 대부분의 훈련 프레임워크가 기대하는 VOC 또는 COCO 형식으로 내보낼 수 있습니다.

주요 기능

• 다각형, 사각형, 원, 선, 점 그리기; 플래그 기반 분류.
• 동영상 프레임 주석 처리.
• GUI 사용자 정의 (사전 정의된 레이블 목록, 자동 저장, 검증).
• VOC 스타일 데이터셋(세그멘테이션) 및 COCO 스타일 데이터셋(인스턴스 세그멘테이션)으로 내보내기.
• 최신 AI 지원 기능: SAM/EfficientSAM(점 → 마스크), YOLO-World/SAM-3(텍스트 → 주석).
• 다국어 UI (약 20개 언어).
• 독립 실행형 실행 파일(파이썬/Qt 필요 없음) 및 pip 설치 패키지.

설치

1. pip – pip install labelme (최신 코드는 pip install git+https://github.com/wkentaro/labelme.git로 설치 가능). Python 3.12–3.14 및 Qt6(PySide6)에서 작동.
2. 스탠드얼론 앱 – 프로젝트 사이트에서 미리 빌드된 바이너리를 다운로드 (일회성 결제, 의존성 없음).
3. Linux 패키지 – 여러 배포판이 네이티브 패키지 매니저를 통해 labelme를 제공 (Repology 배지 참조).

일반적인 워크플로우

# 단일 이미지에서 GUI 열기
labelme my_image.jpg

# 전체 폴더 주석 처리
labelme data_folder/ --labels labels.txt

# JSON 내부에 원본 이미지 데이터 포함 (공유에 유용)
labelme img.png --with-image-data

생성된 <image>.json 파일에는 형태, 레이블, 그리고 선택적 이미지 데이터가 포함됩니다. examples/utils.py에 포함된 예제 유틸리티는 이러한 JSON 파일을 훈련용 NumPy 배열로 읽는 방법을 보여줍니다.

내보내기 – 주석 후 내장된 내보내기 도구(또는 examples/ 디렉터리의 헬퍼 스크립트)를 실행하여 PyTorch-Vision, Detectron2, TensorFlow 등 프레임워크에서 사용 가능한 VOC 또는 COCO 데이터셋 구조를 생성할 수 있습니다.

커뮤니티 및 지원 – 프로젝트에는 CI 배지, 디스코드 서버, 공개 이슈 트래커가 있습니다. README에 따르면 공개 인터페이스는 CLI, JSON 형식, ~/.labelmerc 설정 파일에 제한되어 있으며, Python 내보내기 표면은 내부적이며 변경될 수 있습니다.

---

위 정보는 리포지토리의 README에서 직접 인용되었습니다.