Awesome GitHub RepositoriesAnnotation and Data Tools

AirSim is a high-fidelity simulation platform designed for the development and testing of autonomous vehicles. Built as a plugin for game engines, it provides a physics-based environment that models vehicle dynamics and sensor data, serving as a foundation for robotics research, computer vision training, and reinforcement learning. The platform distinguishes itself through its support for hardware-in-the-loop and software-in-the-loop testing, allowing developers to validate control logic and firmware against real-world signals or concurrent processes. It offers extensive programmatic control

CVAT este un instrument open-source de adnotare a viziunii computerizate și o platformă de gestionare a seturilor de date vizuale. Acesta oferă o interfață auto-găzduită pentru etichetarea imaginilor, videoclipurilor și datelor 3D pentru a crea seturi de date pentru modelele AI de viziune. Platforma dispune de etichetarea datelor asistată de AI pentru a automatiza crearea de măști și casete de delimitare, utilizând un sistem de plug-in-uri pentru a conecta modele externe de învățare automată. Include un sistem de asigurare a calității bazat pe consens care verifică acuratețea etichetelor prin compararea adnotărilor independente. Sistemul acoperă gestionarea colaborativă a echipei, organizarea proiectelor prin descompunerea sarcinilor și integrarea stocării la distanță în cloud. De asemenea, oferă un API REST pentru controlul programatic al fluxului de lucru și importul/exportul de date în formate standard din industrie.

Labelme este un instrument de adnotare a imaginilor bazat pe Python, utilizat pentru a crea seturi de date de viziune computerizată. Acesta servește drept editor vizual pentru segmentarea semantică, permițând utilizatorilor să definească limitele obiectelor folosind poligoane, dreptunghiuri, puncte și cercuri. Aplicația funcționează și ca un adnotator de imagini multispectrale, suportând fișiere TIFF cu adâncime de biți ridicată utilizate în imagistica prin satelit și științifică. Instrumentul încorporează capabilități de etichetare asistată de AI pentru a automatiza crearea de măști și poligoane. Aceste funcții permit generarea de forme bazată pe prompturi text sau selecții interactive de puncte, care propun limite pe baza punctelor pozitive și negative plasate de utilizator. Software-ul acoperă o gamă largă de sarcini de gestionare și adnotare a datelor, inclusiv crearea de măști dense de pixeli, casete de delimitare rotite și secvențierea cadrelor video. Include un pipeline pentru traducerea persistenței stării JSON interne în formate standard de seturi de date precum COCO și Pascal VOC. Capabilitățile suplimentare includ indicatori de clasificare la nivel de imagine, instrumente de rafinare a geometriei și importul de imagini în lot.

Doccano este o platformă colaborativă de etichetare și un instrument de adnotare a textului conceput pentru a crea date de antrenare pentru machine learning. Oferă o interfață specializată pentru efectuarea etichetării secvențiale și clasificării textului pe seturi de date în limbaj natural. Sistemul funcționează ca un manager de seturi de date pentru învățare supervizată, permițând mai multor utilizatori să coordoneze într-un spațiu de lucru partajat pentru a eticheta seturi de date pentru sarcini de procesare a limbajului natural. Suportă pregătirea datelor text brute pentru antrenarea modelelor prin convertirea documentelor nestructurate în exemple structurate și etichetate. Platforma include capabilități pentru etichetarea colaborativă a datelor, etichetarea seturilor de date text și preprocesarea pentru machine learning. Aceste sarcini sunt susținute de o interfață web pentru gestionarea datelor de adnotare și coordonarea eforturilor echipei.

ZenML is an extensible machine learning orchestration framework designed to manage the end-to-end lifecycle of data pipelines and AI agent workflows. It functions as a durable orchestrator that executes machine learning tasks as directed acyclic graphs, ensuring that every step is containerized for consistent performance across local, cloud, and hybrid infrastructure. By decoupling pipeline code from underlying compute and storage backends, the platform allows developers to define infrastructure-agnostic stacks that remain portable across diverse environments. The project distinguishes itself

Source code for the LabelMe annotation tool.

JS Segment Annotator