ParkerLabel

概览

GitHub

ParkerLabel 是一款基于 Python 开发的 AI 辅助交互式图像标注工具，主要面向目标检测和实例分割任务。它的核心特点是完全在 CPU 上运行，无需 GPU 支持。在 Apple M5 Pro 和 Intel Core i9-14900KF 等 CPU 上，每次交互式 mask-decoder 推理耗时约 20 ms。 ### 主要能力 - **AI 辅助标注**：在 AI 模式下，用户通过正负点击引导 MobileSAM 模型生成当前目标的掩码（mask）。 - **多模式切换**：提供 AI、Manual（手动）和 Inspect（检查）三种工作模式，默认快捷键分别为 Q、W、E。 - **类别配置管理**：内置包含 80 个标准 COCO 类别的只读配置。用户可以创建空配置或复制现有配置生成新版本，已保存的配置不可变，修改需通过复制产生新版本。 - **数据完整性校验**：每条标注通过 UUID 和 SHA-256 摘要绑定到特定的类别配置。如果当前激活的配置不匹配，应用会提示切换；若配置缺失或校验失败，标注将以只读方式打开。 - **多语言界面**：支持简体中文、繁体中文、English、日本語、한국어、Deutsch、Français、Italiano 和 Español。 ### 文件与存储格式 每张源图像对应三个相邻文件： - `.npy`：存储可复用的图像 embedding。 - `.json`：存储每个实例的类别、边界框、面积以及源图分辨率下的未压缩 COCO RLE 掩码。该 JSON 使用 COCO 标注字段，但并非完整的 COCO 数据集文件。 - `.mask.png`：存储源图分辨率下的扁平化颜色预览图。 ### 部署方式 提供 macOS arm64 和 Windows x64 的便携版发布包，也可通过 Conda 创建 Python 3.11 环境从源码运行。应用会自动验证并下载缺失的 ONNX 模型到 `pretrain/` 目录。项目采用 GPL-3.0 协议开源。

Q&A

ParkerLabel 需要 GPU 才能运行吗？由 AI 生成

不需要。ParkerLabel 完全在 CPU 上运行。在 Apple M5 Pro 和 Intel Core i9-14900KF CPU 上，每次交互式 mask-decoder 推理大约只需 20 ms。

支持哪些操作系统？由 AI 生成

提供 macOS arm64 和 Windows x64 的便携版发布包，也可以通过 Conda 环境从源码在任何支持的平台上运行。

标注数据保存为什么格式？由 AI 生成

每张源图像会生成三个文件：.npy 存储图像 embedding，.json 存储实例的类别、边界框、面积和未压缩的 COCO RLE 掩码，.mask.png 存储颜色预览图。JSON 使用 COCO 标注字段，但不是完整的 COCO 数据集文件。

macOS 首次打开提示被阻止怎么办？由 AI 生成

macOS 包是 ad-hoc 签名但未经过 Apple 公证。首次尝试打开后，进入系统设置 → 隐私与安全性，滚动到安全性部分，选择「仍要打开」即可。

如何更改界面语言？由 AI 生成

在应用内通过 Settings → Interface Language 可以更改界面语言。ParkerLabel 支持简体中文、繁体中文、English、日本語、한국어、Deutsch、Français、Italiano 和 Español。

类别配置可以修改吗？由 AI 生成

已保存的配置是不可变的。如果需要修改，必须将现有配置（包括内置的 COCO 配置）复制为一个新版本，然后在新版本上进行更改。