label-studio README

The project's README from github.com/HumanSignal/label-studio. As one markdown file: README.md.

GitHub label-studio:build GitHub release

Website • Docs • Join Slack Community

What is Label Studio?

Label Studio is an open source data labeling tool. It lets you label data types like audio, text, images, videos, and time series with a simple and straightforward UI and export to various model formats. It can be used to prepare raw data or improve existing training data to get more accurate ML models.

Gif of Label Studio annotating different types of data

Have a custom dataset? You can customize Label Studio to fit your needs. Read an introductory blog post to learn more.

Try out Label Studio

Install Label Studio locally or deploy it in a cloud instance. Or sign up for a free trial of our Starter Cloud edition! You can learn more about what each edition offers here.

Install locally with Docker

Official Label Studio docker image is here and it can be downloaded with docker pull. Run Label Studio in a Docker container and access it at http://localhost:8080.

docker pull heartexlabs/label-studio:latest
docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest

You can find all the generated assets, including SQLite3 database storage label_studio.sqlite3 and uploaded files, in the ./mydata directory.

Override default Docker install

You can override the default launch command by appending the new arguments:

docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest label-studio --log-level DEBUG

Build a local image with Docker

If you want to build a local image, run:

docker build -t heartexlabs/label-studio:latest .

Run with Docker Compose

Docker Compose script provides production-ready stack consisting of the following components:

To start using the app from http://localhost run this command:

docker-compose up

Run with Docker Compose + MinIO

You can also run it with an additional MinIO server for local S3 storage. This is particularly useful when you want to test the behavior with S3 storage on your local system. To start Label Studio in this way, you need to run the following command:

# Add sudo on Linux if you are not a member of the docker group
docker compose -f docker-compose.yml -f docker-compose.minio.yml up -d

If you do not have a static IP address, you must create an entry in your hosts file so that both Label Studio and your browser can access the MinIO server. For more detailed instructions, please refer to our guide on storing data.

Install locally with pip

# Requires Python >=3.10
pip install label-studio

# Start the server at http://localhost:8080
label-studio

Install locally with poetry

### install poetry
pip install poetry

### set poetry environment
poetry new my-label-studio
cd my-label-studio
poetry add label-studio

### activate poetry environment
poetry shell

### Start the server at http://localhost:8080
label-studio

Install locally with Anaconda

conda create --name label-studio
conda activate label-studio
conda install psycopg2
pip install label-studio

Install for local development

You can run the latest Label Studio version locally without installing the package from pypi. 

# Install all package dependencies
pip install poetry
poetry install
# Run database migrations
python label_studio/manage.py migrate
python label_studio/manage.py collectstatic
# Start the server in development mode at http://localhost:8080
python label_studio/manage.py runserver

Deploy in a cloud instance

You can deploy Label Studio with one click in Heroku, Microsoft Azure, or Google Cloud Platform:

Deploy

Apply frontend changes

For information about updating the frontend, see label-studio/web/README.md.

Install dependencies on Windows

To run Label Studio on Windows, download and install the following wheel packages from Gohlke builds to ensure you're using the correct version of Python:

# Upgrade pip 
pip install -U pip

# If you're running Win64 with Python 3.8, install the packages downloaded from Gohlke:
pip install lxml‑4.5.0‑cp38‑cp38‑win_amd64.whl

# Install label studio
pip install label-studio

Run test suite

To add the tests' dependencies to your local install:

poetry install --with test

Alternatively, it is possible to run the unit tests from a Docker container in which the test dependencies are installed:

make build-testing-image
make docker-testing-shell

In either case, to run the unit tests:

cd label_studio

# sqlite3
DJANGO_DB=sqlite DJANGO_SETTINGS_MODULE=core.settings.label_studio pytest -vv

# postgres (assumes default postgres user,db,pass. Will not work in Docker
# testing container without additional configuration)
DJANGO_DB=default DJANGO_SETTINGS_MODULE=core.settings.label_studio pytest -vv

What you get from Label Studio

https://github.com/user-attachments/assets/525ad5ff-6904-4398-b507-7e8954268d69

Included templates for labeling data in Label Studio

Label Studio includes a variety of templates to help you label your data, or you can create your own using specifically designed configuration language. The most common templates and use cases for labeling include the following cases:

Set up machine learning models with Label Studio

Connect your favorite machine learning model using the Label Studio Machine Learning SDK. Follow these steps:

  1. Start your own machine learning backend server. See more detailed instructions.
  2. Connect Label Studio to the server on the model page found in project settings.

This lets you:

Integrate Label Studio with your existing tools

You can use Label Studio as an independent part of your machine learning workflow or integrate the frontend or backend into your existing tools.

Ecosystem

Project Description
label-studio Server, distributed as a pip package
Frontend library The Label Studio frontend library. This uses React to build the UI and mobx-state-tree for state management.
Data Manager library A library for the Data Manager, our data exploration tool.
label-studio-converter Encode labels in the format of your favorite machine learning library
label-studio-transformers Transformers library connected and configured for use with Label Studio

Citation

Include a citation for Label Studio in the References section of your articles:

@misc{Label Studio,
  title={{Label Studio}: Data labeling software},
  url={https://github.com/HumanSignal/label-studio},
  note={Open source software available from https://github.com/HumanSignal/label-studio},
  author={
    Maxim Tkachenko and
    Mikhail Malyuk and
    Andrey Holmanyuk and
    Nikolai Liubimov},
  year={2020-2025},
}

License

This software is licensed under the Apache 2.0 LICENSE © Heartex. 2020-2025

label-studio (HumanSignal/label-studio)

Searching Database…

28.5K ·GitHub
Label-studio
Что это?Label Studio — инструмент с открытым исходным кодом для разметки и аннотирования данных: вы размечаете аудио, текст, изображения, видео и временные ряды в интерфейсе в браузере и экспортируете результаты в форматах, готовых для обучения моделей машинного обучения.
Это облачный сервис, для которого нужна регистрация, или я запускаю его сам?Это веб-приложение для самостоятельного размещения: вы устанавливаете его локально или на сервер и работаете через браузер. HumanSignal также предлагает облачную версию Starter Cloud с бесплатным пробным периодом.
Какой самый быстрый способ запустить его?Быстрее всего через Docker: скачайте официальный образ командой docker pull, запустите контейнер и откройте Label Studio в браузере. Также можно установить через pip, poetry или Anaconda.
Нужно ли сначала установить Python?Для Docker ничего, кроме самого Docker, не нужно. Варианты с pip, poetry и Anaconda требуют Python — а на Windows дополнительно нужно установить wheel-пакет lxml из сборок Gohlke, подходящий под вашу версию Python.
Хватит ли стандартной настройки с одним контейнером для продакшена?Нет — она работает на SQLite3, который сам README называет менее производительным. Для продакшена там рекомендуется стек на Docker Compose: Label Studio с прокси Nginx и PostgreSQL.
Его используют для создания обучающих датасетов с нуля или для исправления существующих?И то и другое: он создан для подготовки сырых данных или улучшения уже имеющихся обучающих данных, чтобы получать более точные ML-модели — размечать можно как в одиночку, так и в команде.
Мои разметчики не технари — что им нужно установить?Ничего — это приложение в браузере. Когда сервер запущен, разметчикам достаточно зарегистрироваться и войти, и каждая разметка привязывается к их аккаунту.
Можно ли развернуть его на облачном сервере, а не на своём компьютере?Да — в README описано развёртывание в один клик на Heroku, Microsoft Azure и Google Cloud Platform.
Если я размещаю его сам, мои данные куда-то уходят с моего компьютера?Они остаются там, где вы его разместили: сгенерированные файлы, база SQLite и загруженные файлы хранятся в локальной папке ./mydata. Подключения для импорта из Amazon S3 или Google Cloud Storage создаются только по вашему желанию.
Можно ли бесплатно использовать его в коммерческих целях, или есть платный тариф?Ядро распространяется по лицензии Apache 2.0 (c) Heartex, так что самостоятельное размещение для коммерческой работы допустимо. HumanSignal продаёт платные облачные версии, построенные вокруг этого открытого ядра.
Какие типы данных он умеет размечать?Изображения, аудио, текст, HTML, видео и временные ряды. В Label Studio есть шаблоны для типовых задач разметки, а собственные интерфейсы можно создавать на его языке конфигурации.
Может ли моя модель предварительно размечать данные, чтобы ускорить работу людей?Да — подключите её через Label Studio Machine Learning SDK: запустите свой ML-бэкенд и привяжите его в настройках проекта. Вы получите предсказания модели в качестве предварительной разметки, онлайн-дообучение по мере поступления аннотаций и активное обучение, которое концентрируется на самых сложных примерах.
В каких форматах он импортирует и экспортирует данные?Импорт: локальные файлы или облачные хранилища Amazon S3 и Google Cloud Storage, включая JSON, CSV, TSV, а также архивы RAR и ZIP. Экспорт: разные форматы для моделей, а пакет label-studio-converter кодирует разметку под вашу ML-библиотеку.
What are similar projects?cvat, labelImg, labelme, doccano, cleanlab, ParkerLabel, X-AnyLabeling, fiftyone
Which topics is it in?bounding-boxes, image-annotation, annotation-tool, data-labeling, annotations, annotation, semantic-segmentation, yolo, datasets, image-classification, mlops, dataset
Creator
HumanSignal
Size
2.8 GB
Stars
28.5K
Updated
CommitOct 16Release1.23.2Sep 29
Age
7y
Commits · 90 Days