Awesome GitHub RepositoriesData Annotation Workflows

Label Studio ist ein Tool für die Annotation verschiedener Datentypen und ein Arbeitsbereich für Datenannotation, der entwickelt wurde, um Datensätze für das Training von maschinellem Lernen vorzubereiten. Es fungiert als cloud-integrierte Daten-Pipeline, die Rohdaten aus Speichern importiert, den Annotationsprozess verwaltet und Labels in standardisierte Formate exportiert. Die Plattform verfügt über ein Framework zur Integration von Modellen für maschinelles Lernen, das eine Verbindung zu externen Modellservern herstellt. Dies ermöglicht modellgestützte Annotation und aktives Lernen, wodurch das System Vor-Labeling durchführen und Vorhersagen basierend auf menschlichem Feedback verfeinern kann. Die Software bietet Projektmanagement-Tools zur Organisation von Datensätzen und zur Zuweisung von Aufgaben an Benutzer über rollenbasierte Zugriffe. Sie unterstützt verschiedene Datentypen und nutzt speicherunabhängige Speicheradapter, um eine Verbindung zu lokalen Dateisystemen oder Cloud-Speicheranbietern herzustellen. Die Anwendung kann durch manuelle Einrichtung oder One-Click-Deployments auf Cloud-Infrastruktur installiert werden.

Label Studio is a multi-modal data annotation platform designed to create and manage high-quality training datasets for machine learning. It functions as a self-hosted, containerized environment that supports secure, private deployments, including air-gapped configurations. The platform provides a centralized workspace for labeling diverse media types, such as images, text, audio, and time-series data, to support supervised and reinforcement learning workflows. The platform distinguishes itself through deep integration with machine learning backends, enabling active learning loops, automated

Omnivore is an open-source, self-hostable read-it-later application designed to centralize web articles, newsletters, and digital documents into a personal library. It functions as a comprehensive content archiver that captures web pages and stores them locally, ensuring permanent access and readability regardless of internet connectivity. The platform distinguishes itself through an event-sourced synchronization engine that maintains a consistent state across multiple devices by replaying user actions. It utilizes a headless web scraping service to extract clean text and metadata from raw we

CVAT is an open-source, web-based platform designed for annotating images, videos, and 3D point clouds to create high-quality training datasets for machine learning. It functions as a containerized server that orchestrates the entire lifecycle of computer vision data, from initial task creation and manual labeling to quality assurance and final dataset export. The platform distinguishes itself through deep integration with machine learning models, allowing users to deploy custom AI models as serverless functions for automated object detection, tracking, and skeleton annotation. It supports co