- 標記每個圖像中每個感興趣的對象
構(gòu)建計算機視覺模型是為了了解哪些像素模式對應于感興趣的對象。因此，如果我們訓練一個模型來識別一個對象，我們需要在圖像中標記該對象的每個外觀。如果我們不在某些圖像中標記對象，我們將向模型引入假陰性。例如，在棋子數(shù)據(jù)集中，我們需要標記棋盤上每個棋子的外觀——我們不會只標記一些白色棋子。 - 標記整個對象
我們的邊界框應該包含整個感興趣的對象。僅標記對象的一部分會使我們的模型與完整對象的構(gòu)成混淆。例如，在我們的國際象棋數(shù)據(jù)集中，請注意每個棋子是如何完全封閉在邊界框中的。 - 標記遮擋對象
遮擋是指由于照片中的物體阻擋了物體而部分超出圖像中的視野。最好標記甚至被遮擋的物體。此外，通常的最佳做法是將被遮擋的對象標記為完全可見，而不是僅為對象的部分可見部分繪制邊界框。例如，在國際象棋數(shù)據(jù)集中，一個棋子會經(jīng)常遮擋另一個棋子的視圖。即使框重疊，也應標記這兩個對象。（一個常見的誤解是盒子不能重疊。 - 創(chuàng)建緊密邊界框
邊界框應緊緊圍繞感興趣的對象。（但是，你永遠不應該有一個太緊的盒子，以至于它切斷了物體的一部分。緊密邊界框?qū)τ趲椭覀兊哪Ｐ途_地了解哪些像素構(gòu)成感興趣的對象與圖像的不相關部分至關重要。 - 創(chuàng)建特定的標簽名稱
在確定給定對象的標簽名稱時，最好在更具體而不是更少方面出錯。將標注分類重新映射為更通用總是更容易，而更具體則需要重新標注。
例如，假設您正在構(gòu)建一個狗探測器。雖然每個感興趣的對象都是一只狗，但為 和 創(chuàng)建一個類可能是明智的。在最初的模型構(gòu)建中，我們的標簽可以組合成 .但是，如果我們一開始并后來意識到擁有單個品種很重要，我們將不得不完全重新標記我們的數(shù)據(jù)集。labradorpoodledogdog
例如，在我們的國際象棋數(shù)據(jù)集中，我們有和.我們總是可以將它們組合成 ，甚至將所有類組合為 be。white-pawnblack-pawnpawnpiece - 保持清晰的標簽說明
不可避免地，我們需要向數(shù)據(jù)集添加更多數(shù)據(jù)——這是模型改進的關鍵要素。像主動學習這樣的策略確保我們花時間明智地貼標簽。因此，擁有清晰、可共享和可重復的標記說明對于我們未來的自我和同事創(chuàng)建和維護高質(zhì)量的數(shù)據(jù)集至關重要。
我們在這里討論的許多技術都應該包括在內(nèi)：標記整個對象，使標簽緊，標記所有對象等。在更具體的情況下犯錯總是比更少更好。 - 使用這些標記工具
現(xiàn)在我們知道了如何有效地標記，我們應該如何標記我們的數(shù)據(jù)？如果我們給自己貼標簽，我們可以使用Roboflow Annotate等工具來添加和維護標簽。
資料來源于網(wǎng)絡，僅供交流學習文章來源地址http://www.zghlxwxcb.cn/news/detail-527964.html
文章來源：http://www.zghlxwxcb.cn/news/detail-527964.html
到了這里，關于如何為計算機視覺任務標記圖像的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
