LabelU
定义
LabelU 是一款面向人工智能数据准备环节的多模态标注平台，处理对象包括图像、视频与音频三类数据[2]。它把标注拆成若干可以自由搭配的工具模块，用户按具体的算法任务组织出一套标注方案，而不必局限在固定的标注模板里[3]。在中文计算机视觉任务中，它是较早以开源方式提供完整标注流程的工具之一[1]。
从功能定位看，它同时承担标注界面与任务管理两个角色：既提供在浏览器里操作的可视化标注画布，也负责保存标注结果并按规定格式导出[4]。其代码以 Apache 2.0 许可证开放，项目本身由 上海人工智能实验室 的 OpenDataLab 团队维护[1]。
原理
LabelU 的标注工具按与数据的交互方式分成两类。一类是「全局」工具，用于对整条数据做总体判断，例如为一张图片选择「天气状况」或「整体场景」这类宏观类别；另一类是「标记」工具，用于对数据中的局部细节做精细标示，例如在图像上打点、连线、拉框、绘制多边形，或在音视频上划分片段、标注时间戳[3]。
无论使用哪种工具，写入的标签最终归结为两种形式：一是在预设选项中进行单选或多选，二是不预设内容的文本描述[3]。工具还支持配置标签颜色、中英文标签标识、参数取值范围等属性，以适配不同的标注规范[3]。
在工程实现上，标注能力由前端组件库 labelU-Kit 提供，其内容以 NPM 包形式分发，其中包含图片标注引擎、音频标注组件、视频标注组件以及对应的 React 套件和国际化语言包[5]。后端以 Python 编写，通过 pip 安装后可启动本地服务，默认在 8000 端口提供访问[4]。系统默认使用 SQLite 存储数据，也支持切换为 MySQL，并提供从 SQLite 迁移既有数据的命令[2]。
对于大模型自动生成的预标注结果，LabelU 允许将 JSONL 文件直接导入，再交由人工逐条修正，从而把自动打标与人工精修衔接在同一流程内[3]。这一机制并不改变标注算法本身，只是把预标注结果作为初始值载入画布[2]。
发展历程
LabelU 的项目起始时间可追溯至 2022 年 10 月，其线上仓库显示创建于 2022 年 10 月 19 日[6]。OpenDataLab 公布的发布信息把发布时间标记为 2022 年 12 月 16 日[1]。
早期版本以图像标注为主，具备拉框、多边形、标点、标线、分类、描述等能力，可覆盖目标检测、图像分类、实例分割、文本转写、轮廓线检测与关键点检测等任务，并支持导出 COCO 与 MASK 格式[1]。此后工具集逐步扩展，加入立体框、视频与音频的时间戳和片段分割等能力，标注对象从图像延伸到音视频[5]。
运行环境方面，项目早期文档给出的是 Python 3.7 与 Python 3.10 两种环境配置，后续文档改为要求 Python 3.11[4][2]。数据存储也从单一的内置 SQLite，扩展为可选 MySQL，并配套提供数据迁移方式[2]。
应用
在图像方向，LabelU 的标注结果可用于目标检测、图像分类、语义分割、文本转写、轮廓线检测与关键点检测等任务，具体场景包括车辆、车牌、行人、人脸与工业部件的检测，人体与可行驶区域的分割，以及车牌、发票、保单、招牌的文字识别[4]。
在视频方向，它支持视频分割、视频分类与视频信息提取，相应结果可服务于视频检索、视频摘要与行为识别等用途；在音频方向，则支持音频分割、音频分类与音频信息提取，用于音频事件检测与语音识别等任务[2]。
部署方式上有两条路径。用户可以在本地安装运行，使数据不必上传到外部服务器；也可以直接使用官方提供的在线版本进行试用，但在线版本的数据会在每日凌晨自动清空，需要长期保存时应选择本地部署[3]。此外，标注结果支持一键导出为 JSON、COCO、MASK 等格式，便于接入不同的训练框架[4]。
局限
LabelU 的早期定位偏重计算机视觉，其图像标注能力明确围绕检测、分类、分割、文本转写、轮廓线与关键点等视觉任务展开，对语言模型对话数据的标注并不在其设计范围内，OpenDataLab 为此另设了面向对话标注的 LabelLLM 工具[1][3]。
在线版本存在数据留存上的限制，官方说明其中数据会在每天凌晨清空，因此不适合承载正式的数据生产工作[3]。本地部署则需要预先配置 Conda 环境并安装依赖，前后端静态资源分处不同仓库，部署与二次开发存在一定准备成本[4][2]。
导出格式方面，公开文档所列的稳定格式集中在 JSON、COCO 与 MASK 三类，VOC、TFRecord 与 MOT-CSV 等格式在文档中被列为后续计划支持的对象[3]。工具本身不包含数据采集、清洗与质量审核环节，只处理标注这一步骤[4]。
参见
-
数据标注 —— 为机器学习数据添加标签的工序，LabelU 所承担的核心环节。
-
COCO —— LabelU 支持的标注结果导出格式之一。
-
语义分割 —— LabelU 图像标注工具覆盖的典型任务。
-
目标检测 —— 依赖拉框类标注数据的视觉任务。
-
OpenDataLab —— 维护 LabelU 的数据开源组织。
-
Apache 许可证 —— LabelU 项目所采用的开源许可协议。
参考资料
- 数据集-OpenDataLab . opendatalab.com [引用日期2026-10-08]
- README_zh-CN . githubusercontent.com [引用日期2026-10-08]
- aliyun.com 上的网页 . aliyun.com [引用日期2026-10-08]
- labelu - No project description provided . pypi.org [引用日期2026-10-08]
- labelU-kit . github.com [引用日期2026-10-08]
- opendatalab/labelU . vercel.app [引用日期2026-10-08]
浏览次数：3 次
阅读量：0 次 · 阅读完成量：0 次
最近更新：2026-10-08T11:23:49Z
完成率 = 阅读完成量 ÷ 阅读量，分母是阅读量不是浏览次数 —— 关了 JS 的、秒退的都在浏览次数里、不在阅读量里。 详细口径在后台的「数据统计」页。