在深度学习中，数据是非常重要的，而自己制作训练数据集是模型训练的第一步，之前给大家介绍过目标检测和语义分割中打标签工具labelimg和labelme两个工具的使用教程。
点击跳转：制作自己的训练数据集之图像标注工具labelimg和labelme
今天给大家推荐一款我最近在使用的在线网页版打标签的工具makesense.ai，这也是YOLOv5官方推荐的两款Create Labels标签工具的一种，但是它比CVAT使用起来更方便，CVTA需要安装Docker。
makesense.ai可以在线网页打标签，无需安装，开源使用，支持YOLO、VOCＸＭＬ、VGG JSON、CSV标签导出格式，点、线、框等多种标注类型，而且还可借助已经训练好了的目标检测模型SSD辅助我们进行人工标注，数据安全保密，提高我们工作的生产力。
选择Get Started, 点击Drop images一键就可以将我们图像数据直接拖拽上传，速度非常快，几百张图片，只需要几秒。
上传完图片后，选择打标签类型，是用于目标检测Object Detection，还是图像识别Image recognition.
上传完图片之后，进行标注Create labels,这里可以选择“+”来添加标签，也可以事先将标签写在一个.txt文件中，然后直接导入。若这里未添加标签，也可以在后面画框的过程中再添加。
标签打完之后，选择Start project,开始进行框的标注，选择标注类型矩形框Rect、点Point、线Line、多边形Polygon，选择自己想要的标注类型就可以进行标注了。
网页上的“Actions”选项菜单栏里面，"Edit Labels"可以对已有标签进行修改、添加,还可以添加图片“Import Images”，如果你网络稳定的话，可以使用“Load AI Model”对图片进行自动标注。
图片标注完之后，选择网页上的“Actions”，选项菜单栏里面导出标注完标签的“Export Annotations”,选择你想要的标签导出格式，这里我选择YOLO format.
导出后是一个以标注日期署名的压缩包，非常简洁明了，解压后是YOLO格式的.txt标签文件。
YOLO标签格式文件官方要求如下：
打完标签后就可以直接拿图片Image和标签Label去训练了YOLOv5模型了,不像Labelimg导出为XML文件，还需要再利用.py文件转换为YOLOv5.txt格式文件了,简化训练模型的步骤和时间。
