AI-数据标注

目录

• 素材标注工具
• 标注可能存在的问题
• 标注注意事项
• 如何提升素材标注质量

    算力和数据是影响深度学习的两个关键因素。在算力知足的状况下，为了达到更好的效果，咱们就须要提供海量优质素材数据给神经网络，以求训练出来高精度的网络模型。在平时的测试过程当中，也发现基于深度学习的算法，素材的数量、素材的均衡度和标注的质量对训练出来的模型精度影响很是大。
    常见的算法模型训练所须要的素材格式主要为：

• 二维图像文件
• 对应二维图像中人工标注出来的目标信息，包括目标坐标[(xmin,ymin)(xmax、ymax)]/大小、目标类型(class)

    模型训练的过程就是将上述素材输入到神经网络，通过反复迭代优化，以求获得效果最好的通用模型。在实际应用模型的时候，会根据检测到目标对象输出坐标/大小、目标类型、置信度。用一种数据类型表示以下：

(xmin,ymin,xmax,ymax,class,score)
可设置一个门限值，经过与score进行比较，过滤掉部分结果

素材标注工具

    经过对深度学习的基础知识学习，咱们能够理解深度学习就是经过输入海量标注素材，不断调整模型参数去拟合，最终输出效果较好的模型，再经过输入非素材中的数据来预测结果，以求达较高的预测准确率和通用性。如下为目前经常使用的图像素材标注工具labelImg，标注完成后会生成相应的xml文件，用以标识坐标和类型，以下图所示：

• 标注工具
  
• xml文件
  

标注可能存在的问题

    图像标注时，须要人工标出目标的位置和大小，并给出或选择目标类型。因此对人工标注是有必定要求的。常见的标注问题以下所示：

• 标注框过大或太小
• 标注框位置不正确
• 标注类型错误
• 存在漏标注状况
• 存在过标注状况
• 模糊的目标也进行标注
• 标注分割错误问题
• 标注框不完整，存在缺失

所以一个合格的标注应该具有如下因素：

• 标注框大小和位置合适
• 标注框能将目标对象围住
• 标注框的对象类型准确无误
• 一个标注框中仅包含一种目标对象类型

标注注意事项

标注框大小合适

    标注框大小合适意味着所画的标注矩形框恰好将目标对象包围住，对象与标注框间的间隙合适，不能过大也不能过滤。过大会传递给网络没必要要的信息，过小传递给网络的信息会存在缺失。

标注框位置合适

    位置通常是标注框大小合适，但存在与目标对象存在偏移的状况，以下所示：

目标遮挡时处理

    在标注时，不能仅标注完整可见的目标对象，对于人眼可见能分辨的对象也要进行标注，为提升模型通用性，不少遮挡目标也是须要能被模型检测识别出来的。针对这种状况须要根据具体业务规则进行处理，通常须要遵循的原则以下所示：

• 对象的遮挡面积小于20%~40%，即人眼可视面积为60%~80%须要进行标注
• 对于遮挡的对象，标注时只须要标注可见部分
• 对于遮挡的对象，人眼能够识别出对象类型

标注不能遗漏目标对象

    虽然各个算法对小目标的检测效果有所差别，但对于小目标的目标对象仍然须要进行标注。遵循的原则跟目标遮挡时的处理同样，只要人眼能够进行分辨，仍然须要进行标注。

标注不能存在过标注状况

    不一样的业务，对于目标的识别也是不同的，如对于Logo侵权这种问题，如国际一些公开通用的Logo则不须要进行标注，以下所示：

针对Logo侵权的目标对象，通常打印体字无须要进行标注，但对于艺术字或单独设计的字体也是须要进行标注的。

对于很是模糊的目标对象的处理

    这种状况通常是被遮挡面积过大、距离太远或图像和视频分辨率很低，致使人眼没法进行分辨，针对这种状况则无需进行标注。

对象分开标注问题

    这种状况须要根据业务场景进行区分处理。在平时测试，我所遵循的原则以下所示：

• 背景为纯色
• 图像中的对象能够被分割为一个独立可识别的对象个体
  同时知足以上两个条件，则进行单独标注，不然则看成一个总体进行标注。

标注框不完整

    这种状况通常为标注软件Bug或人工标注出现越界，致使标注框看起来存在部分框缺失。以下所示：

如何提升素材标注质量

从素材的三大关键要素（素材数量、素材的均衡度、标注质量）来看，咱们能够采用如下方式来保证素材质量

素材数量

    在收集数据时，须要尽量多的从各个渠道多收集素材数据，如合法爬虫、公开数据集等

素材的均衡度

    素材的均衡度一般是指素材的多样性分布。如视频里面，因为拍摄的角度不一样，出来的素材角度也是不一样，如前方、后方、左侧、右侧等。图像也是取决于拍摄素材的摆放角度，例如拍摄一件衣服，如正前方，正后方、左侧、右侧，斜面拍摄，距离远近等，只有在选择的素材尽量的多样，训练出来的模型也才有更好的通用性。

标注质量

    数据标注和检查是很是重要的一个环节，须要注意如下几个方面：

• 一、不要单纯追求速度而忽视质量

    虽然对于数据的标注，有时间和进度要求，但要结合实际状况找到平衡点，不要单纯追求速度，致使标注质量降低，致使往后大量返工

• 二、按期专人对标注素材进行审核

    指定专人按期对标注的素材进行审核，能够很大避免在标注过程出现的问题，如标注质量较差，每一个人对标注的理解存在差别等。

参考文章：http://www.javashuo.com/article/p-yxzzuynd-he.html