3. 标注工具选型与部署：主流工具对比与决策矩阵

标注工具选错了，后面全白干。我见过太多团队，工具换了两三茬，数据导来导去，格式不兼容，最后还得重标。今天咱们就把这事聊透。

3.1 主流标注工具速览

市面上工具不少，但真正能打的不多。我按使用场景分了五类，你对照着看。

工具	核心定位	标注类型	部署方式	适合场景
LabelImg	轻量级桌面工具	矩形框	本地	小样本、快速验证
Labelme	多边形/语义分割	多边形、点、线	本地	缺陷轮廓标注
CVAT	企业级Web平台	矩形、多边形、关键点、3D	本地/云端	团队协作、复杂标注
Roboflow	数据管理+标注	矩形、多边形、分类	云端	快速原型、数据增强
SuperAnnotate	专业标注平台	矩形、多边形、视频、3D	云端	大规模、高精度需求

3.2 逐个工具深度拆解

LabelImg

这工具我用了好几年。说白了就是个画框的，安装简单，Python一跑就起来。输出Pascal VOC或YOLO格式，直接喂给模型训练。

缺点也很明显：不支持多边形，不能多人协作，没有版本管理。标到一半电脑崩了，进度全丢。嗯，我吃过这个亏。

Labelme

如果你要标不规则缺陷——比如划痕、裂纹、气泡——Labelme是首选。它用多边形勾勒轮廓，精度比矩形框高一个量级。

我记得有一次标PCB板上的短路缺陷，矩形框根本框不干净，背景干扰太大。换成Labelme，沿着缺陷边缘点一圈，模型召回率直接提了12%。

CVAT

团队作战的首选。CVAT支持多人同时标注，有任务分配、审核流程、自动标注（用预训练模型打底）。

部署方式灵活：可以docker本地跑，也可以用他们的云服务。我建议有IT支持的公司用本地部署，数据安全可控。

CVAT的标注格式很全：COCO、Pascal VOC、YOLO、TFRecord，基本覆盖主流框架。

Roboflow

这工具比较新，但势头很猛。它不只是标注工具，更是数据管理平台。上传图片，在线标注，自动增强，一键导出。

我最喜欢它的数据增强功能：旋转、翻转、亮度调整、马赛克，几秒钟生成几百张变体。对于工业缺陷这种小样本场景，太实用了。

SuperAnnotate

专业级平台，适合大厂或标注外包团队。支持像素级标注、视频标注、3D点云。质量控制模块很完善，可以设置标注员间的交叉验证。

价格不便宜，按标注量收费。如果你的项目超过10万张图，可以考虑。小团队用这个有点杀鸡用牛刀。

3.3 本地部署 vs 云端部署

这个选择题，我建议你从三个维度考虑：

1. 数据安全：工业缺陷数据往往涉及产品机密，不能上传到第三方服务器。本地部署是唯一选择。
2. 团队规模：1-2人做实验，本地工具够用。5人以上协作，必须上Web平台。
3. IT能力：CVAT本地部署需要Docker、Nginx、PostgreSQL，没有运维支持会很痛苦。

对比维度	本地部署	云端部署
数据安全	完全可控	依赖服务商
部署成本	硬件+人力	按需付费
协作效率	较低	高
扩展性	受限于硬件	弹性伸缩
维护成本	高	低

3.4 工具选型决策矩阵

我整理了一个决策矩阵，你拿着自己的项目条件往里套就行。

3.5 我的推荐组合

根据项目阶段不同，我一般这样搭配：

• 实验阶段（1-2人）：LabelImg + Labelme，本地跑，快速出结果。
• 小团队（3-5人）：CVAT本地部署，配合Labelme做精细标注。
• 大规模项目（10人+）：SuperAnnotate或Roboflow，用云端协作+质量管控。