数据标注开源框架 Label Studio（中文版）

发表于： 2025年6月7日 2025年6月7日
分类：未分类

Label Studio最灵活的数据标注平台，可用于传统模型的数据标注如计算机视觉，NLP，TTS等标注。目前还支持了LLM的数据标注。有需要的小伙伴可以从文章底部获取开源链接

安装

labelstudio提供了多种安装方式如：docker，pip，本地运行。这里我们以pip方式为例进行安装

# 首先创建conda环境
conda create -n labelstudio python=3.11 
# 进入虚拟环境
conda activate labelstudio
# 安装
pip install label-studio
# 启动，默认8080端口
label-studio start
# 指定端口启动
label-studio start --port 9001

执行label-studio start命令会看到如下页面

然后访问http://localhost:8080页面

首次使用的小伙伴需要进行注册账号来进行登录，登录成功以后会看到首页

点击创建项目，我们开始创建第一个项目进行标注

1.创建项目名称

2.数据导入

3.选择标注模板

这里可以通过两种方式进行设置标签

1.代码式

2.可视化操作

这里以边界框目标检测为例，以可视化操作进行添加标签名称

配置说明：

标注的时候可以添加组件进行帮助标注

1.区域边框宽度设置的是在标注的时候显示标注的宽度

2.设置图像缩放

3.显示图像旋转

4.设置标签所在的位置，上下左右

5.设置标签多的时候进行筛选标签

创建完以后，如下图显示项目列表

选中图片或者点击标注所有任务就可以进行标注了

选中填写的标签名就可以在页面进行标注了

自动标注

labelstudio还有一项叫自动标注，就是通过模型对数据进行预测然后在页面上呈现出来

模型推理端

Label Studio提供了Label Studio ML backend开源项目来支持快速开发自动标注。如果小伙伴们有开发能力也可以使用其他的pythonweb框架如fastapi，django等。只要响应格式以及对应的接口路径相符合即可

https://github.com/HumanSignal/label-studio-ml-backend 这是Label Studio ML backend的开源项目地址，大家可以看官方文档，官方文档中提供了很多的案例如；目标检测，语义分割，OCR等算法示例。

运行算法示例的方法有两种（具体可看label-studio-ml-backend的ReadMe即可安装成功）

1.下载label-studio-ml项目进行安装启动

2.使用docker运行镜像容器示例

这里我封装了一个yolo8的目标检测镜像，可以让大家快速体验一下自动标注功能

docker run -d -p 9999:9090  -e "LABEL_STUDIO_URL=ip:端口" -e "LABEL_STUDIO_API_KEY=Access Token"  --name yolo-cloud registry.cn-hangzhou.aliyuncs.com/arm-demo/yolo8-object-detection:v1.0

运行docker容器的时候需要传递两个参数LABEL_STUDIO_URL和LABEL_STUDIO_API_KEY

LABEL_STUDIO_URL：访问labelstudio地址的如：http://192.168.101.9:8080

LABEL_STUDIO_API_KEY：是访问labelstudio的数据集的访问标识Access Token

Access Token从账户的页面进行获取