Label Studio es una herramienta open-source de etiquetado de datos. Permite etiquetar tipos de datos como audio, texto, imágenes, vídeos y series temporales con una interfaz de usuario sencilla y luego exportar a varios formatos de modelos.

Se puede utilizar para preparar los datos en bruto o mejorar los datos de entrenamiento existentes para obtener modelos ML más precisos.

La imagen da una idea de cómo funciona Label Studio:

Sus principales características son:

• Múltiples tipos de datos, como imágenes, audio, texto, HTML, series temporales y vídeo.

• Multiusuario: con registro e inicio de sesión multiusuario, cuando creas una anotación se vincula a tu cuenta.
• Múltiples proyectos para trabajar en todos sus conjuntos de datos en una sola instancia.
• Formatos de etiqueta configurables que permiten personalizar la interfaz visual para satisfacer sus necesidades específicas de etiquetado.

• Importación desde archivos o desde el almacenamiento en la nube en Amazon AWS S3, Google Cloud Storage, o archivos JSON, CSV, TSV, RAR y ZIP.

• Exportación a través del módulo label-studio-converter., que es una librería que puede tomar el formato interno de Label Studio basado en JSON y dar salida a algunos formatos de propósito general (JSON, CSV, TSV) o a formatos específicos del modelo como CONLL para etiquetadores textuales o Pascal VOC o COCO para modelos de visión por ordenador.
• Integración con modelos de aprendizaje automático para visualizar y comparar las predicciones de diferentes modelos y realizar el preetiquetado usando el SDK de Label Studio:

• API Rest para incorporarlo a su canalización de datos
• Templates para etiquetado: (https://labelstud.io/templates/) Label Studio incluye una variedad de plantillas para ayudar a etiquetar los datos además de permitir crear propias utilizando un lenguaje de configuración específicamente diseñado. Las plantillas y los casos de uso más comunes para el etiquetado incluyen los siguientes casos:

• Comparación de Predicciones:

• Etiquetado incremental: comenzando con un pequeño número de atributos y añadiendo más con el tiempo.
• Amplia comunidad en Github: https://github.com/heartexlabs/label-studio#install-for-local-development
• Múltiples formas de instalarlo: incluyendo despliegue en proveedores Cloud
  • Install locally with Docker
  • Run with Docker Compose (Label Studio + Nginx + PostgreSQL)
  • Install locally with pip
  • Install locally with Anaconda
  • Install for local development
  • Deploy in a cloud instance