探索计算机视觉项目的数据标注

人工智能（AI）致力于赋予机器类似人类的能力，而实现这一目标最流行的方式之一是通过监督学习。换句话说，通过向 AI 模型展示带标签的示例来进行训练，可以帮助它们从模式中学习并提升任务表现。这与人类通过经验学习的方式非常相似。那么，这些带标签的示例是如何创建的呢？

数据标注是指为数据添加标签或标记，帮助机器学习算法理解数据。在计算机视觉中，这意味着标记图像或视频，以准确识别和分类对象、动作或场景。数据标注至关重要，因为 AI 模型的成功很大程度上取决于其训练所使用的标注数据质量。

研究表明，超过80% 的 AI 项目时间都花在数据管理上，从收集和汇总数据到对其进行清理和标注。这充分说明了数据标注在 AI 模型开发中的重要性。使用高质量的标注数据，可以让 AI 模型在现实场景中更准确、更可靠地执行人脸识别和目标检测等任务。

为什么数据标注是必要的#

数据标注决定了计算机视觉模型的性能基础。带标签的数据是模型学习和进行预测时使用的真实值。真实值数据非常关键，因为它代表了模型试图理解的现实世界。没有这个可靠的基准，AI 模型就像一艘没有指南针的船。

图 1. 真实值与预测。

准确的标注有助于这些模型理解它们所看到的内容，并做出更好的决策。如果数据标注不准确或不一致，模型就难以做出正确的预测和决策，就像学生从错误的教材中学习一样。借助标注数据，模型可以学习图像和视频中的图像分类、实例分割和姿态估计等任务。

数据集的最佳资源#

在创建全新的数据集并细致地标注图像和视频之前，最好先确认项目是否可以使用现有数据集。有多个优秀的开源仓库可以免费获取高质量数据集。以下是其中一些最受欢迎的资源：

• ImageNet：通常用于训练图像分类模型。
• COCO：该数据集专为目标检测、分割和图像描述而设计。
• PASCAL VOC：支持目标检测和分割任务。

图 2. COCO 数据集中的数据示例。

选择数据集时，需要考虑其与项目的匹配程度、数据集规模、多样性以及标签质量等因素。此外，务必查看数据集的许可条款，以避免产生任何法律后果，并确认数据格式是否适合你的工作流程和工具。

如果现有数据集无法完全满足需求，创建自定义数据集是一个很好的选择。你可以根据项目要求，使用网络摄像头、无人机或智能手机等工具收集图像。理想情况下，自定义数据集应当多样、均衡，并真正代表你要解决的问题。这可能意味着在不同光照条件下、从各种角度以及在多个环境中采集图像。

如果只能收集少量图像或视频，数据增强是一种很有帮助的技术。它通过对现有图像应用旋转、翻转或颜色调整等变换来扩充数据集。这样可以增加数据集规模，让模型更加稳健，更好地处理数据中的变化。结合使用开源数据集、自定义数据集和增强数据，可以显著提升计算机视觉模型的性能。

图像标注技术的类型#

在开始标注图像之前，熟悉不同类型的标注非常重要。这有助于你为项目选择合适的标注类型。下面我们来看看几种主要的标注类型。

边界框#

边界框是计算机视觉中最常见的标注类型。它们是用于标记图像中对象位置的矩形框。这些框由其角点坐标定义，有助于 AI 模型识别和定位对象。边界框主要用于目标检测。

图 3. 边界框示例。

分割掩码#

有时，仅通过在对象周围绘制边界框无法实现足够准确的检测。你可能会关注图像中对象的边界。在这种情况下，分割掩码可以勾勒出复杂对象的轮廓。分割掩码是更详细的像素级表示。

这些掩码可用于语义分割和实例分割。语义分割是根据每个像素所代表的对象或区域为图像中的每个像素添加标签，例如行人、汽车、道路或人行道。而实例分割更进一步，会单独识别并分离每个对象，例如区分图像中的每辆汽车，即使它们属于同一类型。

图 4. 语义分割（左）和实例分割掩码（右）示例。

3D 长方体#

3D 长方体与边界框相似，但其独特之处在于增加了深度信息，并提供对象的 3D 表示。这些额外信息使系统能够理解对象在 3D 空间中的形状、体积和位置。3D 长方体常用于自动驾驶汽车，以测量对象与车辆之间的距离。

图 5. 3D 长方体示例。

关键点和特征点#

另一种有趣的标注类型是关键点标注，即在对象上标记眼睛、鼻子或关节等特定点。特征点标注则更进一步，通过连接这些点来捕捉更复杂形状（如面部或身体姿态）的结构和运动。这些标注类型可用于人脸识别、动作捕捉和增强现实等应用。它们还可以提高 AI 模型在手势识别或分析体育表现等任务中的准确性。

图 6。关键点示例。

如何使用 LabelImg 标注数据#

现在我们已经讨论了不同类型的标注，下面来了解如何使用流行工具 LabelImg 标注图像。LabelImg 是一款开源工具，可以简化图像标注，并用于创建 YOLO（只需看一次）格式的数据集。对于处理小型 Ultralytics YOLOv8 项目的初学者来说，这是一个很好的选择。

LabelImg 的设置非常简单。首先，确保计算机上已安装 Python 3。然后，你可以使用一条简单的命令安装 LabelImg：

pip3 install labelImg

安装完成后，你可以使用以下命令启动工具：

labelImg

LabelImg 支持多个平台，包括 Windows、macOS 和 Linux。如果在安装过程中遇到问题，官方 LabelImg 仓库可以提供更详细的说明。

图 7. 使用 LabelImg 进行图像标注。

启动工具后，按照以下简单步骤开始标注图像：

• 设置类别： 首先，在名为“predefined_classes.txt”的文件中定义要标注的类别列表。该文件可以让软件知道你将在图像中标注哪些对象。
• 切换到 YOLO 格式： LabelImg 默认使用 PASCAL VOC 格式，但如果你使用 YOLO，就需要切换格式。只需点击工具栏上的“PascalVOC”按钮即可切换到 YOLO。
• 开始标注： 使用“Open”或“OpenDIR”选项加载图像。然后，在要标注的对象周围绘制边界框，并分配正确的类别标签。标注每张图像后，保存你的工作。LabelImg 会创建一个与图像同名的文本文件，其中包含 YOLO 标注。
• 保存并检查： 标注内容会以 YOLO 格式保存在 .txt 文件中。软件还会保存一个列出所有类别名称的“classes.txt”文件。

高效的数据标注策略#

为了让数据标注过程更加顺畅，需要牢记几个关键策略。例如，清晰的标注指南至关重要。没有明确指南，不同标注人员可能会对同一任务产生不同理解。

假设任务是使用边界框标注图像中的鸟。一名标注人员可能会标记整只鸟，而另一名可能只标记头部或翅膀。这种不一致会在训练期间使模型困惑。通过提供清晰的定义（例如“标记包括翅膀和尾巴在内的整只鸟”），并针对棘手情况提供示例和说明，你可以确保数据得到准确且一致的标注。

定期进行质量检查对于保持高标准同样重要。通过设定基准并使用具体指标检查工作，你可以保持数据准确，并通过持续反馈不断改进流程。

数据标注要点#

数据标注是一个简单的概念，却能对计算机视觉模型产生重大影响。无论你是使用 LabelImg 等工具标注图像，还是使用开源数据集训练模型，理解数据标注都至关重要。数据标注策略有助于简化整个流程并提高效率。花时间改进标注方法，可以带来更出色、更可靠的 AI 结果。

继续探索并提升你的技能！欢迎加入我们的社区，持续了解 AI！查看我们的 GitHub 仓库，了解我们如何利用 AI 为制造业和医疗保健等行业打造创新解决方案。🚀