makesense.ai

makesense.ai 是一款免费的在线照片标注工具。由于它基于浏览器运行，无需复杂的安装步骤——只需访问网站即可开始使用。此外，无论您使用哪种操作系统，我们都致力于提供真正的跨平台体验。这款工具非常适合小型计算机视觉深度学习项目，能够显著简化和加速数据集的准备工作。生成的标注文件可以以多种支持的格式下载。该应用采用 TypeScript 编写，并基于 React/Redux 框架开发。

📄 文档

您可以通过我们新发布的 文档 了解更多关于这款工具的信息——目前仍在 🚧 建设中。请告诉我们您希望我们优先涵盖哪些主题。

🤖 高级 AI 集成

makesense.ai 致力于大幅减少您在照片标注上花费的时间。我们正在努力集成最新、最强大的 AI 模型，这些模型不仅可以为您提供标注建议，还能自动完成重复且繁琐的任务。

• YOLOv5 是我们目前功能最强大的集成。借助 yolov5js，您可以加载不仅来自 yolov5js-zoo 的预训练模型，更重要的是，您还可以加载自己使用 YOLOv5 训练并导出为 tfjs 格式的模型。
• SSD 已在 COCO 数据集 上预训练，能够在照片上为您绘制边界框，并在某些情况下建议标签。
• PoseNet 是一种视觉模型，可用于通过估计关键身体关节的位置来估算图像或视频中的人体姿态。

驱动我们 AI 功能的核心引擎是 TensorFlow.js——这是最流行的神经网络训练框架的 JavaScript 版本。这一选择不仅有助于加快您的工作速度，还能保护您的数据隐私，因为与其他商业和开源工具不同，您的照片无需上传到服务器。这一次，AI 就在您的设备上运行！

https://user-images.githubusercontent.com/26109316/193255987-2d01c549-48c3-41ae-87e9-e1b378968966.mov

💻 本地设置

# 克隆仓库
git clone https://github.com/SkalskiP/make-sense.git

# 进入主目录
cd make-sense

# 安装依赖
npm install

# 在 localhost:3000 启动热重载服务
npm start

为了确保应用程序在本地正常运行，需要 npm 8.x.x 和 node.js v16.x.x 版本。有关此问题的更多信息，请参阅 #16。

🐳 Docker 设置

# 构建 Docker 镜像
docker build -t make-sense -f docker/Dockerfile .

# 以服务方式运行 Docker 镜像
docker run -dit -p 3000:3000 --restart=always --name=make-sense make-sense

# 查看 Docker 容器日志
docker logs make-sense

# 访问 makesense：http://localhost:3000/

⌨️ 键盘快捷键

功能	场景	Mac	Windows / Linux
多边形自动完成	编辑器	Enter	Enter
取消多边形绘制	编辑器	Escape	Escape
删除当前选中的标签	编辑器	Backspace	Delete
加载上一张图片	编辑器	⌥ + Left	Ctrl + Left
加载下一张图片	编辑器	⌥ + Right	Ctrl + Right
放大	编辑器	⌥ + +	Ctrl + +
缩小	编辑器	⌥ + -	Ctrl + -
移动图片	编辑器	Up / Down / Left / Right	Up / Down / Left / Right
选择标签	编辑器	⌥ + 0-9	Ctrl + 0-9
关闭弹出窗口	弹出窗口	Escape	Escape

表 1. 支持的键盘快捷键

⬆️ 导出格式

	CSV	YOLO	VOC XML	VGG JSON	COCO JSON	PIXEL MASK
点	✓	✗	☐	☐	☐	✗
线	✓	✗	✗	✗	✗	✗
矩形	✓	✓	✓	☐	☐	✗
多边形	☐	✗	☐	✓	✓	☐
标签	✓	✗	✗	✗	✗	✗

表 2. 支持的标签导出格式矩阵，其中：

• ✓ - 支持的格式
• ☐ - 尚未支持的格式
• ✗ - 对该标签类型无意义的格式

您可以在我们的 Wiki 上找到导出文件的示例、描述和模式。

⬇️ 导入格式

	CSV	YOLO	VOC XML	VGG JSON	COCO JSON	PIXEL MASK
点	☐	✗	☐	☐	☐	✗
线	☐	✗	✗	✗	✗	✗
矩形	☐	✓	✓	☐	✓	✗
多边形	☐	✗	☐	☐	✓	☐
标签	☐	✗	✗	✗	✗	✗

表 3. 支持的标签导入格式矩阵

• ✓ - 支持的格式
• ☐ - 尚未支持的格式
• ✗ - 对该标签类型无意义的格式

🔐 隐私

我们不会存储您的图片，因为我们根本不会将它们发送到任何地方。

🚀 教程

如果你刚刚开始深度学习之旅，并希望在学习过程中创造出一些有趣的东西，makesense.ai 可以帮助你实现。利用我们的边界框标注功能准备数据集，并用它来训练你的第一个最先进的目标检测模型。请按照 说明 和 示例 操作，但最重要的是，释放你的创造力。

🏆 贡献

💬 引用

如果你的研究中使用了 Make Sense，请在你的论文或出版物中引用它。以下是一个 BibTeX 条目的示例：

@MISC{make-sense,
   author = {Piotr Skalski},
   title = {{Make Sense}},
   howpublished = "\url{https://github.com/SkalskiP/make-sense/}",
   year = {2019},
}

🪧 许可证

本项目采用 GPL-3.0 许可证授权——详情请参阅 LICENSE 文件。版权所有 © 2019 Piotr Skalski。

Make Sense 快速上手指南

Make Sense 是一款免费、开源的在线图像标注工具，专为计算机视觉深度学习项目设计。它无需安装即可在浏览器中使用，支持多种标注格式导出，并集成了 YOLOv5、SSD 等 AI 模型以辅助自动标注。所有数据处理均在本地完成，确保隐私安全。

环境准备

在本地部署前，请确保您的开发环境满足以下要求：

• 操作系统：跨平台支持（Windows, macOS, Linux）
• Node.js: 推荐版本 v16.x.x
• npm: 推荐版本 8.x.x
• 浏览器: 现代浏览器（Chrome, Firefox, Edge 等）

注意：版本不匹配可能导致应用无法正常运行（参考官方 Issue #16）。

安装步骤

您可以选择通过源码运行或 Docker 容器化部署。

方式一：源码运行（推荐开发者）

1. 克隆仓库

   git clone https://github.com/SkalskiP/make-sense.git
   

2. 进入项目目录

   cd make-sense
   

3. 安装依赖 国内用户若遇到下载缓慢，可临时配置淘宝镜像源：

   npm config set registry https://registry.npmmirror.com
   npm install
   

4. 启动服务

   npm start
   

   服务启动后，访问 http://localhost:3000/ 即可使用。

方式二：Docker 部署

如果您已安装 Docker，可使用以下命令快速构建并运行：

1. 构建镜像

   docker build -t make-sense -f docker/Dockerfile .
   

2. 运行容器

   docker run -dit -p 3000:3000 --restart=always --name=make-sense make-sense
   

3. 访问服务 打开浏览器访问 http://localhost:3000/。

基本使用

Make Sense 的核心优势在于“开箱即用”和“本地隐私保护”。

1. 开始标注

   • 访问应用页面后，点击 "Start Project"。
   • 上传您需要标注的图片文件（支持批量上传）。
   • 定义标签类别（例如：person, car, dog）。

2. 进行标注

   • 在图片上绘制边界框（Rect）、多边形（Polygon）、点（Point）或线（Line）。
   • AI 辅助：启用右侧面板的 AI 模型（如 YOLOv5 或 SSD），可自动推荐检测框，大幅减少手动操作。
   • 快捷键：
     • Enter: 完成多边形绘制
     • Escape: 取消当前操作
     • Ctrl + Left/Right (Mac: Option + Left/Right): 切换上一张/下一张图片
     • Ctrl + +/-: 缩放图片

3. 导出数据

   • 标注完成后，点击 "Export" 按钮。
   • 选择您需要的格式（支持 CSV, YOLO, VOC XML, COCO JSON, VGG JSON 等）。
   • 标签文件将直接下载到本地，图片本身不会上传至任何服务器。

4. 导入现有数据

   • 如果您已有部分标注文件（如 YOLO 或 COCO 格式），可在项目开始时直接导入，继续编辑或修正。