2、主流标注工具横向对比：LabelImg、CVAT、Supervisely、Scale AI、华为云ModelArts、百度EasyData
说实话，我刚入行那会儿，选标注工具全靠同事推荐。有人用LabelImg，有人用CVAT，还有人直接手写JSON。结果呢？项目进度一拖再拖，数据格式乱成一锅粥。
后来我花了整整两周，把市面上主流的六款工具全跑了一遍。今天就把我的真实体验分享给你。嗯，咱们不聊虚的，直接看干货。
2.1 工具概览：一张表看懂
先给你一张对比表。我习惯把工具分成两类：本地轻量级和云端企业级。你想想看，你的项目属于哪种？
| 工具名称 | 类型 | 标注方式 | 支持格式 | 适用场景 | 上手难度 |
|---|---|---|---|---|---|
| LabelImg | 本地桌面端 | 手动框选 | Pascal VOC, YOLO | 小团队、快速验证 | ★☆☆☆☆ |
| CVAT | Web端/本地 | 半自动+手动 | COCO, CVAT, TFRecord | 中大型项目、多人协作 | ★★★☆☆ |
| Supervisely | 云端SaaS | AI辅助+手动 | Supervisely, COCO | 企业级、复杂场景 | ★★★★☆ |
| Scale AI | 云端API | 全自动+人工审核 | 自定义JSON | 自动驾驶、3D点云 | ★★★★★ |
| 华为云ModelArts | 云端平台 | 自动标注+人工 | 华为自有格式 | 华为生态、政企项目 | ★★★☆☆ |
| 百度EasyData | 云端平台 | 智能标注+手动 | 百度自有格式 | 百度生态、快速部署 | ★★☆☆☆ |
核心观点：没有最好的工具，只有最适合你当前阶段的工具。我见过有人用LabelImg标注了10万张图，也见过团队用Scale AI一个月交付百万级数据集。关键看你的预算、团队规模和项目周期。
2.2 LabelImg：轻量级选手的坚守
LabelImg是我最早接触的工具。说白了，它就是一个小巧的Python程序，打开就能用。我记得第一次用它标注行人，界面简单到只有「打开目录」「创建矩形」「保存」三个按钮。
优点：
- 零学习成本，5分钟上手
- 支持Pascal VOC和YOLO格式，直接导出就能训练
- 完全离线，数据安全有保障
缺点：
- 没有AI辅助，全靠手动框选
- 多人协作基本靠U盘拷贝
- 不支持视频标注和3D点云
我在项目中遇到过一个小团队，他们用LabelImg标注了5000张道路图片。结果呢？标注员之间没有统一标准，有的人框到车灯，有的人框到整个车身。最后我不得不写了个脚本去清洗数据。嗯，这里要注意：用LabelImg一定要提前定好标注规范。
2.3 CVAT：开源界的全能选手
CVAT是Intel开源的Web标注工具。我个人习惯把它叫做「标注界的瑞士军刀」。为什么？因为它什么都能干——2D框、多边形、关键点、视频标注，甚至支持半自动跟踪。
核心功能：
- 基于Web，浏览器就能用
- 支持多人实时协作
- 内置深度学习模型做预标注
- 导出格式丰富：COCO、CVAT、TFRecord、YOLO
我曾经用CVAT做过一个自动驾驶场景分割项目。它的半自动标注功能帮我省了至少40%的时间。你想想看，标注员只需要框出第一帧，后面的帧CVAT会自动跟踪。不过要注意，跟踪精度有限，复杂场景下还是得人工修正。
小技巧：CVAT支持自定义标签属性。比如标注车辆时，可以加上「颜色」「品牌」「遮挡程度」等属性。这样后期训练出来的模型会更精细。
2.4 Supervisely：企业级的一站式方案
Supervisely是我在做一个大型路测项目时接触到的。说实话，第一次用的时候我被它的功能吓到了——它不只是标注工具，更像是一个数据管理平台。
亮点：
- 内置神经网络，可以做自动标注
- 支持Python插件，可以自定义标注逻辑
- 数据版本管理，方便回溯
- 团队权限管理，适合企业使用
我记得有一次，我们需要标注一批夜间场景的图片。Supervisely的自动标注模型在白天场景下表现不错，但到了夜间就各种漏检。后来我写了个插件，把模型输出的置信度阈值调低，再配合人工修正，效果好了很多。
避坑指南：我曾经因为Supervisely的自动标注太方便，就完全依赖它。结果发现模型对某些罕见场景（比如动物横穿马路）几乎全漏了。所以我的建议是：自动标注只做初筛，关键场景一定要人工复核。
2.5 Scale AI：专业级的数据工厂
Scale AI是自动驾驶领域的标杆。很多头部车企都在用。它的模式很特别——你上传数据，它帮你标注好，然后你验收。说白了，就是数据标注的外包服务+平台。
核心优势：
- 支持2D/3D/点云/视频全类型标注
- 标注质量高，有严格质检流程
- API对接方便，可以自动化流水线
但它的价格也不便宜。我记得一个朋友做过预算，标注100万张图片，Scale AI的报价比用CVAT自己标注贵了5倍以上。所以我的建议是：如果你的项目预算充足、时间紧迫，Scale AI是首选。但如果是小团队试水，还是先用开源工具吧。
2.6 华为云ModelArts vs 百度EasyData
这两款都是国内云厂商的产品。我放在一起说，因为它们有很多相似之处。
华为云ModelArts：
- 深度集成华为云生态，适合政企客户
- 自动标注能力不错，尤其擅长车辆和行人
- 支持模型训练和部署，一站式服务
百度EasyData：
- 背靠百度AI能力，智能标注效果出色
- 操作界面简洁，上手快
- 价格相对亲民，有免费额度
我在项目中用过百度EasyData的智能标注功能。它的模型对常见交通场景（车辆、行人、交通标志）的识别准确率很高。但遇到一些特殊场景，比如施工区域、异形车辆，还是需要人工修正。
重要提醒：使用云平台标注时，一定要注意数据安全。我曾经有个客户，因为把敏感路测数据上传到公有云，差点引发合规问题。如果你的数据涉及隐私或商业机密，建议优先考虑本地部署方案。
2.7 我的选择建议
说了这么多，到底该怎么选？我给你一个简单的决策框架：
- 个人或小团队（<5人）：LabelImg或CVAT本地版。成本低，够用。
- 中型团队（5-20人）：CVAT Web版或Supervisely。协作效率高。
- 大型企业（>20人）：Scale AI或华为/百度云。专业、稳定、可扩展。
- 特殊需求：3D点云选Scale AI，视频标注选CVAT，政企项目选华为云。
最后说一句：工具只是手段，标注质量才是核心。我见过用LabelImg标注出高质量数据集的团队，也见过用Scale AI但数据一塌糊涂的项目。所以，选好工具后，一定要建立严格的标注规范和质检流程。
下一章，我会详细讲讲标注规范的制定方法。嗯，那才是真正决定项目成败的关键。