对比了labelme, makesense.ai和roboflow这3个可以标注数据集的工具之后，
总结一下它们的特点：
labelme需要配环境安装，标注的结果是json文件，需要转成所需格式。
makesense.ai不需要下载，在线标注，能用来标注图像分类和检测的数据集，但是不支持实例分割的标注。
roboflow不需要下载，在线标注，能直接转成常见模型所需数据格式。

这里介绍roboflow标注数据集训练yolo的步骤。
首先需要注册，注册过程中选Community版，这个是免费的，最多支持3个project.

登录进去之后，选create new project.
支持目标检测，分类，实例分割，show more展开后还有语义分割。

上传图片，也可以上传视频。

选“保存”

图片都上传之后，选右下角的"Assign Images".

再选右上角的"Start Annotating".

然后就开始标注啦。

你可以选不同的标注工具，右边的栏目里面可以选目标框（第2个），多边形（第3个）。
不过博主发现智能多边形（正在选的蓝色高亮）对于分割来说很好用，可能会省不少时间（有时很慢会卡）。
只需点一个目标，多边形就自动出来了，可微调。

都标完之后，点左上方的后退，回到主界面。

点右上角的"Add XX Images to Dataset"
这时可以调节train, valid, test数据的比例（可调整至0%）。调整好后，点"Add Images".

选“Generate"

这一步你可以添加预处理，图像增强，不需要就选"continue",
点 “Generate” 生成数据集。

点右上方的"Export Dataset".
选择需要的模型格式。

下载数据集，数据集里面已经分好了images, labels文件夹，不需要修改。
训练yolo时，只需要创建一个custom_data.yaml, 指定数据集路径即可。