试用开源标注平台 Label Studio

数据标注是人工智能背后的女人。—— 我说的

在 reddit 上看到一个人提了一个问题：What is your favourite (free) labelling tool?，你最喜欢的（免费）标注工具是什么。由于我一直关注标注工具，而且没找到好用、漂亮的标注工具（甚至一度计划自己做一个），也认为这块很重要，所以就点进去看了下。收获不少，帖子楼主提到的 Prodigy，我点进去看了看，确实很漂亮，但是收费，来看下价格：

罢了。

贫穷让我看到了 Label Studio、doccano 和 brat，brat 我之前就知道，只是没那么美观。剩下两个都很不错，开源也美观，这次我们来看看前者。

以命名实体识别任务的数据标注为例，先来看下使用 Label Studio 进行标注的效果：

查看任务进度：

后端使用的是 flask，前端使用的是 React。

OK，如果你还满意的话可以继续往下看安装、导入数据等部分了。接下来我会以标注 NER 数据为例，介绍如何使用 Label Studio。标注类别有人名、地名、公司名、产品和时间，标注数据放在 sentences.txt 中，内容如下：

主要有三种方式 ：

建议使用 pip 方式安装。

假设我们计划将标注相关文件放在 ner_labeling 文件夹中，你不用事先创建。安装好后使用如下命令启动：

这会初始化这个项目并默认在 8200 端口启动服务，生成一些默认文件和文件夹：

然后你就可以在 http://{your-server-ip}:8200 访问了。

第一步就是要设置标签，具体包括标签名称、颜色等。可以在网页上直接修改并直观看到效果：

如图修改标签名称和颜色，满意后点击左下角的 Save 按钮，保存设置到 config.xml 中。

注意官方并不建议直接修改项目中的文件，建议使用网页或者命令修改。

接着点击左上角图标回到主页面，进行第二步导入任务，可以导入 json、csv、tsv 和 txt 等文件格式。对于本文的例子来说，我们使用 txt 文件最为方便，一行是一个句子，直接将文件拖入上传框中即可，完成后会显示导入任务数和耗费时间：

单个 txt 文件大小不超过 1M，如果超过 1M，可以使用 split 命令分割。

关闭后点击右上方导航栏的 Tasks，可看到导入的任务数和任务存放地址，就是那个 tasks.json，任务 ID 默认从 0 开始计数，生成的 tasks.json 如下：

导入数据后就可以开始标注了，点击导航栏的 Tasks → Start Labeling 或者直接点击导航栏的 Labeling 即可开始标注：

每次点击 Submit 就会保存标注好的数据到 completions 文件夹中，同时也可以在 Tasks 中查看已完成的任务及完成时间：

导出数据这块是 Label Studio 的一个缺点，官方目前支持的是 JSON、CSV、TSV、CoNLL 2003、COCO 和 Pascal VOC XML，其中 CoNLL 2003 是 ner 数据格式的一种，但是经过我测试导出这种格式并不成功，导出的文件是空的。

但是我们可以先导出为 JSON 文件，然后编写一个脚本转换成我们需要的格式，例如 BIEOS。

经过我粗浅的使用，发现一些优缺点：

优点：

缺点：