当前位置：首页 > article >正文

数据标注开源框架 Label Studio

article 2025/1/27 4:00:44

数据标注开源框架 Label Studio

Label Studio 是一个开源的、灵活的数据标注平台，旨在帮助开发者和数据科学家轻松创建高质量的训练数据集。它支持多种类型的数据（如文本、图像、音频、视频等）以及复杂的标注任务（如分类、命名实体识别、边界框标注、语义分割等）。通过直观的用户界面和强大的 API 集成，Label Studio 为构建和训练机器学习模型提供了坚实的基础。

安装/启动

# 进入虚拟环境
conda activate label_studio

# 安装
pip install label-studio

# 启动，默认8080端口
label-studio start

# 后台启动
nohup label-studio start &

# 指定端口启动
label-studio start --port 9001

访问：http://localhost:8080

第一次访问，填写Email地址和登录密码创建登录账号，访问登录页

创建项目

点击右上角的Create按钮，弹出框上有三个Tab页面，代表创建项目的三个步骤。

第一步，填写项目名称；

第二步，数据导入。支持txt，csv等常见格式；

第三步，设置标签。为了简化设置，你可以选择一个模板。Label Studio自带的模板支持的范围很广，常见的大类就有计算机视觉、自然语言处理、语音处理等，每个大类下面又分很多小类，例如自然语言处理大类下面有文本分类、关系抽取、机器翻译和文本摘要等。

选择了一个模板以后，可以根据自己的需求设置标签。两种方式设置标签：

Visual 可视化方式
Code 代码方式

可视化方式如下图，需要配置标注的文本字段的名称，如图中的 $review，review这个名称是步骤二中上传的文档里的其中一个字段的名称。

再看下图中的 Add choices 。此配置是数据标注的选项，默认有三个选项：正向、中性和负向。

以上两个配置好以后，就可以在右侧的 UI preview中看到标注人员的预览界面。给你一段文字和三个选项，你只需要用鼠标点击其中某一个或多个选项即可，也可以使用选项右上角的快捷键1、2、3。

代码方式采用 XML 格式，语法非常简单，本文不做重点介绍。

创建好以后的项目列表如下图

点击列表中某一项任务，如下图

集成机器学习后端

Label Studio ML 后端是一个SDK，可以包装您的机器学习代码并将其转换为Web服务器。Web服务器可以连接到正在运行的 Label Studio 实例以自动执行标签任务。Label Studio 提供了一个代码示例库，用户可以拿来使用或者自己扩展。

Label Studio 的机器学习（ ML ）后端，可以提供以下几个功能：

预标注：在标注师人工标注之前，ML可提前预测标签作为参考；
交互式标注：每标注完一个标签，就能更新完善ML模型，使模型更精准实时；
模型评估和微调：标注师可以审查模型的准确性，对模型进行纠正。

ML 和 Label Studio 的交互流程是：

用户打开任务
Label Studio发送请求给 ML后端
ML 后端对请求的数据进行预测
预测结果返回给 Label Studio 并显示在 UI中

启动后端

# 安装
git clone https://github.com/HumanSignal/label-studio-ml-backend.git
cd label-studio-ml-backend/
pip install -e .

# 启动示例中的机器学习后端，sklearn_text_classifier 是利用线性回归算法对文本进行分类的示例
cd /opt/label_studio/label-studio-ml-backend/label_studio_ml/examples/sklearn_text_classifier
label-studio-ml start ../sklearn_text_classifier

# 启动指定主机和端口
label-studio-ml start ../sklearn_text_classifier -p 9091 --host 0.0.0.0

# 验证后端是否启动成功
curl http://localhost:9090/

label-studio-ml start 启动命令在哪个路径下执行，模型文件 model.pkl 就会在哪个路径下更新，所以一定要在算法的后端目录下执行启动命令。

例如，如果在 examples 目录下执行 label-studio-ml start sklearn_text_classifier ，则 model.pkl 会保存在 examples目录下。

添加到 Label Studio

点击项目列表右上角的 Settings按钮

选择 Model选项卡，点击 Connect Model按钮

将后端服务的地址填进去，点击 Validate and Save 按钮。其中， Interactivate preannotations配置如果打开，表示允许以交互方式向机器学习的后端服务发送请求。

打开了Interactivate preannotations开关，会在任务界面的下面出现一个 Auto-Annotation的开关。

Interactivate preannotations 开关的作用是使 Label Studio 在标注过程中实时与 ML 后端进行交互，系统会动态地请求模型生成标注建议，并立即将这些建议展示给标注人员

点击 Validate and Save 按钮后，如果验证通过，会出现如下界面， Connected状态表示 Label Studio 和机器学习后端服务连接成功。

Start model training on annotation submission ****这个开关的意思是它可以让你实现一个主动学习（Active Learning）循环，即每当有新的标注提交时，系统会自动触发模型训练。即在任务界面点了 Submit 或 Update 按钮之后， Label Studio 会调用 ML 接口请求对模型进行训练，以达到对模型微调的效果。

预标注

选择 Annotation 选项卡，打开预标注（ Prelabeling ）开关，表示在项目创建伊始，就会预先调用后端服务进行预测，并将预测保存。当然这只是预测操作，最终的标注结果还是要标注师点击 Submit按钮保存标注结果。

编写自己的后端

Label Studio ML 后端是一个SDK，可用于包装机器学习模型代码并将其转换为Web服务器。

首先创建自己的空 ML 后端

label-studio-ml create my_ml_backend

创建后的目录结构如下

my_ml_backend/
├── Dockerfile
├── .dockerignore
├── docker-compose.yml
├── model.py
├── _wsgi.py
├── README.md
├── requirements-base.txt
├── requirements-test.txt
├── requirements.txt
└── test_api.py

Dockerfile、**docker-compose.yml和.dockerignore**用于使用Docker运行ML后端
model.py 是主文件，可以在其中实现自己的训练和推理逻辑
**_wsgi.py**是一个帮助文件，用于使用Docker运行ML后端，不需要修改它
requirements.txt 是放置Python依赖的地方
**requirements_base.txt和requirements_test.txt**是基本的依赖项，不需要修改它
**test_API.py**是放置模型测试的地方

覆盖**model.py**文件中的 predict 方法，实现自己的预测推理逻辑

def predict(self, tasks, context, **kwargs):
    """Make predictions for the tasks."""
    return predictions

覆盖**model.py文件中的fit**方法，实现自己的训练逻辑

def fit(self, event, data, **kwargs):
    """Train the model on the labeled data."""
    old_model = self.get('old_model')
    # write your logic to update the model
    self.set('new_model', new_model)