Anotar, entrenar y desplegar,
todo con un solo programa.
Importa imágenes y empieza a anotar; con un lote pequeño ya puedes entrenar, y luego usa el modelo que has entrenado para preanotar el resto. Evaluar, exportar y probar en vivo en el lugar de instalación: todo en un único programa sin conexión.
Toda una cadena de herramientas en una sola ventana
Olvídate de mover datos entre la herramienta de anotación, los scripts de entrenamiento, el código de evaluación y la conversión para exportar. Lo instalas y funciona; cuanto más anotas, menos esfuerzo te cuesta.
Totalmente sin conexión: tus datos no salen de tu equipo
Las imágenes, las anotaciones y los modelos se guardan siempre en tus propias carpetas: nada se sube, no se abren puertos y no depende de ningún servicio en la nube. Puedes usarlo con tranquilidad en entornos confidenciales y redes internas. Las funciones auxiliares que necesitan conexión (como Xuntong AI) son opcionales: si no las activas, no se usan.
Cada vez más rápido
Con un lote pequeño ya puedes empezar a entrenar, y el modelo entrenado te ayuda a preanotar el resto de imágenes: tú solo corriges los errores. Cuantos más datos, más trabajo manual te ahorras.
Entorno sin configuración
Instala el entorno de entrenamiento con un clic: detecta la GPU, elige la versión correcta de PyTorch e incluye espejos de China para acelerar la descarga. Sin pelearte con CUDA ni con dependencias.
Hasta el despliegue en el lugar de instalación
Exporta a ONNX / OpenVINO, prueba en vivo con cámaras RTSP y genera paquetes de servicio de inferencia que leen transmisiones y lanzan alarmas directamente. No solo anota: te lleva hasta la puesta en marcha.
Diagnóstico de datos
Encuentra automáticamente cuadros diminutos, cuadros duplicados, imágenes casi duplicadas y clases desequilibradas, y con un modelo detecta posibles objetos sin anotar y anotaciones incorrectas. Corrígelo con un clic y vuelve a entrenar.
Código abierto y gratis
Licencia Apache-2.0: gratis para uso personal y comercial. Para entrenar usa YOLOX (Apache-2.0) y modelos de torchvision (licencia BSD), y SAM y OWL, usados en la anotación asistida, también son Apache-2.0, así que puedes usar comercialmente los modelos que entrenes sin preocupaciones.
De una imagen a un modelo que funciona
Desde v0.2.0, el instalador incluye las cuatro tareas (detección, segmentación, clasificación y puntos clave), la anotación asistida por IA, la colaboración en equipo y la integración con Xuntong AI. Funciona en Windows, macOS y Linux.
Cuatro tareas
Además de la detección de objetos: segmentación de instancias (contornos poligonales), clasificación de imágenes (una tecla por imagen) y puntos clave (plantillas editables, pose humana, etc.). Cada tarea se puede anotar, entrenar, evaluar y preanotar.
Gestión de datos
Importa imágenes, carpetas o arrastrando; deduplicación por contenido y orientación corregida automáticamente; importa conjuntos YOLO / COCO / VOC anotados con detección automática del formato; división en entrenamiento/validación/prueba y exportación con un clic; extracción de fotogramas de videos y de transmisiones en directo o grabadas (RTSP, HTTP-FLV, HLS/m3u8, MP4) (se guardan mientras se capturan); revisión de calidad de imágenes; y un modelo que elige las imágenes que más vale la pena anotar primero.
Mesa de anotación
Dibuja, selecciona, mueve y redimensiona cuadros; cambia de clase con las teclas 1–9, deshaz y rehaz, copia la imagen anterior, guardado automático; revisa / omite, preanotación con modelo (una imagen o por lotes); anotación de polígonos, clasificación y puntos clave; interpolación de fotogramas clave y seguimiento automático hacia adelante en fotogramas de video.
Anotación asistida por IA
Selección inteligente de SAM: un clic y obtienes el contorno o un cuadro ajustado; prompt de texto: busca objetos automáticamente por nombre de clase; Xuntong AI reconoce según tus clases y solo detecta lo que buscas. Incluso puedes decirle a la IA «un casco sin la correa abrochada también cuenta como sin casco», y la IA lo convierte en una regla de reconocimiento y te lo prueba al momento.
Diagnóstico de datos
La comprobación de reglas detecta cuadros diminutos, cuadros duplicados, imágenes casi duplicadas y clases desequilibradas; la revisión con modelo detecta posibles objetos sin anotar, clases incorrectas, cuadros imprecisos y cuadros de más. Añádelos como anotación o ignóralos con un clic, o salta a la página de anotación con el problema resaltado.
Colaboración en equipo en tiempo real
Tu equipo es el anfitrión y los miembros anotan contigo iniciando sesión desde el navegador, sin instalar nada; en LAN o en línea. Asignación de tareas, bloqueo por imagen con sincronización en tiempo real, revisión y rechazo, estado en línea, estadísticas de carga de trabajo (exportables para pago por pieza) y marca de agua contra filtraciones. Sin red, también puedes repartir en paquetes sin conexión y fusionarlos de vuelta; y el conjunto de datos admite instantáneas de versiones.
Entrenar
YOLOX de la serie YOLO (Nano / Tiny / S / M / L, con los aumentos oficiales Mosaic y MixUp y pesos preentrenados en COCO) v0.3.0; Faster R-CNN (MobileNetV3 / ResNet50), curvas de loss y mAP en tiempo real, registro de entrenamiento, detención a mitad, historial de entrenamientos; RetinaNet / FCOS / SSDLite de una etapa, Mask / Keypoint R-CNN, modelos de clasificación; aumento de datos (preajustes + vista previa); continuar desde un modelo existente; importar modelos ONNX externos (YOLOv5/v8/v11, YOLOX, RT-DETR, etc.); comparación de entrenamientos.
Evaluar
mAP50, mAP50-95, precisión, exhaustividad, métricas por clase, matriz de confusión; navegación por errores: un clic y vuelves a corregir la anotación; umbral recomendado; prueba de falsos positivos (con un video sin objetos, calcula los falsos positivos por hora y añade los fotogramas erróneos como muestras negativas con un clic); reevaluación con los datos actuales; exportación del informe de entrega.
Desplegar
Prueba en vivo con cámaras RTSP / videos locales y captura de fotogramas de vuelta al conjunto de datos; exportación a ONNX / OpenVINO y paquetes de conversión TensorRT / RKNN; paquetes de servicio de inferencia (varias transmisiones, reglas de alarma, envío por Webhook / MQTT, API HTTP, retorno de datos de campo); subida con un clic a la plataforma Xuntong AI y vuelta de las imágenes de alarmas de la plataforma para anotarlas.
Anonimización
Al exportar el conjunto de datos o repartir en paquetes, aplica mosaico / desenfoque / tapado en negro a caras, matrículas y otras zonas: según las clases que hayas anotado o con detección automática. Solo se modifican las copias exportadas; las imágenes originales no se tocan.
Descarga y empieza
Descarga, instala y listo; la primera vez te guía para instalar el entorno de entrenamiento con un clic. Si tienes v0.2.1 o posterior, la aplicación te avisará de las actualizaciones; desde v0.4.1, al hacer clic en «Actualizar ahora» se descarga, se instala y se reinicia sola, sin que tengas que hacer nada.
| Sistema | Versiones compatibles | Instalador |
|---|---|---|
| Windows | Windows 10 / 11 (64 bits) | Instalador .exe |
| macOS | macOS 11 o posterior, universal para chips Apple e Intel | .dmg |
| Linux | x86_64: Ubuntu 22.04 o posterior, Debian 12, UOS, Kylin / NeoKylin (equipos x86), etc. | .deb, .AppImage |
| Linux ARM64 | Kylin, UOS, etc. en equipos ARM como Phytium y Kunpeng (desde v0.4.2) | .deb, .AppImage |
| Aún no compatible | Loongson y HarmonyOS. En dispositivos HarmonyOS puedes participar en la anotación colaborativa desde el navegador | — |
La primera vez que lo abras: si Windows muestra «Windows protegió su PC», haz clic en «Más información → Ejecutar de todas formas»; en Mac, haz clic derecho en Wulabel en «Aplicaciones» → Abrir; en Linux, instala el .deb con sudo apt install ./nombre-del-archivo.deb, o da permiso de ejecución al .AppImage (chmod +x) y ejecútalo directamente.
¿Dudas o nuevas funciones que te gustaría tener? Escribe al autor.
Versiones anteriores
- v0.5.2 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.5.1 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.5.0 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.4.2 Windows · Mac · Linux .deb · .AppImage · ARM64 .deb
- v0.4.1 Windows · Mac · Linux .deb · .AppImage
- v0.4.0 Windows · Mac · Linux .deb · .AppImage
- v0.3.0 Windows · Mac
- v0.2.1 Windows · Mac
- v0.2.0 Windows · Mac
- v0.1.0 Windows
Las novedades de cada versión están en las releases de GitHub.
Quizá te preguntes
¿De verdad es totalmente gratis?
Sí. El software usa la licencia de código abierto Apache-2.0: es gratis para uso personal y comercial, sin funciones bloqueadas, sin cuentas y sin comprobaciones en línea.
¿Se suben mis imágenes y mis datos?
No. Todas las imágenes, las anotaciones y los modelos entrenados se guardan en la carpeta del proyecto en tu equipo; la aplicación no necesita conexión para funcionar y no abre puertos de red. Solo se conecta para descargar cuando tú instalas el entorno de entrenamiento o descargas pesos preentrenados y modelos de anotación asistida; y solo envía imágenes a la plataforma Xuntong AI cuando tú eliges usar la anotación asistida de «Xuntong AI». Además, al iniciarse, la aplicación busca actualizaciones una vez y solo envía el número de versión, el tipo de sistema y un identificador anónimo aleatorio (para estimar cuántas personas la usan), sin imágenes ni datos personales; puedes desactivarlo en los ajustes.
¿Se pueden anotar videos?
Sí. Importa videos locales y extrae fotogramas a intervalos, o conecta directamente una cámara RTSP o una dirección en directo / de grabación (HTTP-FLV, HLS/m3u8, MP4) y las imágenes se guardan mientras se capturan. Al anotar, puedes interpolar automáticamente entre dos fotogramas clave o seguir automáticamente hacia adelante desde un fotograma, sin dibujar fotograma a fotograma.
¿Y si queremos anotar entre varias personas?
Admite colaboración en tiempo real: tu equipo es el anfitrión y los miembros abren una dirección en el navegador e inician sesión para anotar, sin instalar nada. En la misma LAN se conectan directamente; las subcontratas que están fuera pueden entrar a través de vuestro propio servidor de retransmisión o de la retransmisión oficial de Xuntong. Puedes asignar tareas, revisar y rechazar, y ver la carga de trabajo de cada persona. Sin red, también puedes repartir en paquetes sin conexión y fusionarlos de vuelta cuando terminen.
¿Entrena con YOLO? ¿Qué versión de YOLO?
Desde v0.3.0 puedes entrenar YOLOX, de la serie YOLO, en cinco tamaños: Nano, Tiny, S, M y L. Nano y Tiny son para CPU y equipos de borde con NPU; S tiene el mejor equilibrio entre velocidad y precisión; M y L son para cuando tienes GPU y necesitas precisión. Usa los aumentos de datos oficiales de YOLOX, como Mosaic y MixUp, y pesos preentrenados en COCO. Una vez entrenado, puedes evaluarlo, preanotar, exportarlo a ONNX / OpenVINO / TensorRT / RKNN o subirlo directamente a la plataforma Xuntong AI.
No usa YOLOv5 / v8 / v11 porque tienen licencia AGPL-3.0, que impone restricciones en productos comerciales; YOLOX es Apache-2.0, así que puedes usar comercialmente los modelos que entrenes sin preocupaciones. Los modelos YOLOv5 / v8 / v11 entrenados en otro lugar, exportados a ONNX, también se pueden importar en Wulabel para preanotar y evaluar. Además, puedes entrenar Faster R-CNN, RetinaNet, FCOS, SSDLite, Mask R-CNN y otros modelos.
¿Funciona sin GPU?
Sí. Anotar, hacer diagnósticos y exportar no necesitan GPU. El entrenamiento también funciona solo con CPU, aunque más despacio; si tienes una GPU NVIDIA, se usa automáticamente.
¿Qué formatos de conjunto de datos admite?
Para importar y exportar admite los tres formatos más usados, YOLO, COCO y VOC, y al importar detecta automáticamente cuál es; también admite YOLO-seg / pose, segmentación / puntos clave de COCO y carpetas de clasificación. Los modelos se pueden exportar a ONNX, con conversión a OpenVINO, TensorRT y RKNN; y también puedes importar modelos de detección ONNX entrenados en otro lugar (YOLOv5/v8/v11, YOLOX, RT-DETR, etc.) para preanotar y evaluar.
¿En qué se diferencia de las plataformas de anotación en línea?
Reúne anotación, entrenamiento, evaluación, preanotación y despliegue en un único programa sin conexión: no tienes que subir tus datos a la nube ni montar tu propio entorno de entrenamiento. El modelo que entrenas con tus datos vuelve directamente a ayudarte a preanotar, y cada vez vas más rápido.
¿Qué hago si Windows muestra «Windows protegió su PC» o el navegador dice que no es seguro?
Ocurre porque el instalador aún no tiene firma de código y no lo descarga mucha gente, así que Windows y los navegadores no reconocen al editor. Pasa con todo programa pequeño recién publicado; no es un virus. El instalador se descarga desde esta web y desde GitHub, y todo el código fuente es público y se puede revisar.
Si al instalar aparece la ventana azul «Windows protegió su PC»: haz clic en Más información y luego en Ejecutar de todas formas. Si al descargar el navegador avisa de que «no se descarga con frecuencia» o «puede ser perjudicial»: en la lista de descargas, haz clic en ⋯ → Conservar (en Edge, luego también en «Conservar de todas formas»). Si un antivirus lo bloquea, elige Permitir o añádelo a la lista de confianza.
¿Qué sistemas admite? ¿Funciona en Linux, Kylin, UOS o HarmonyOS?
Windows 10 / 11 (64 bits), macOS 11 o posterior (universal para chips Apple e Intel) y, desde v0.4.0, Linux (x86_64, .deb y .AppImage): se puede instalar en Ubuntu 22.04 o posterior, Debian 12, UOS y Kylin / NeoKylin en equipos x86; desde v0.4.2 también hay versión ARM64, que funciona con Kylin y UOS en equipos Phytium y Kunpeng. Loongson y HarmonyOS aún no son compatibles, pero en dispositivos HarmonyOS puedes participar en la anotación colaborativa desde el navegador.
¿Es compatible con macOS?
Sí. Desde v0.2.0 hay versión para Mac (macOS 11 o posterior, universal para chips Apple e Intel), y en chips Apple el entrenamiento se acelera automáticamente con MPS. Si la primera vez que lo abres te dice que «no se puede verificar el desarrollador», haz clic derecho en Wulabel en «Aplicaciones» → Abrir; si te dice que «está dañada», ejecuta en la terminal xattr -cr /Applications/Wulabel.app y vuelve a abrirla.
Contacta con 小物学长
Wulabel lo desarrolla y mantiene 小物学长. Si tienes problemas, quieres alguna función nueva o quieres hablar de llevar a la práctica proyectos de reconocimiento con IA o de modelos a medida, escríbeme.
Correo: 177183719@qq.com (puedes escribir por dudas de uso, sugerencias o colaboraciones)
Correo
Dudas de uso, ideas de funciones o colaboraciones: escribe un correo. Normalmente respondemos en uno o dos días.
177183719@qq.comGitHub Issues
También puedes informar de problemas y proponer funciones abriendo un issue en GitHub, donde todos pueden ver el avance.
Abrir un issue en GitHub