灵智互动：浅谈计算机视觉中的图像标注

计算机视觉的飞速发展离不开大量图像标注数据的支持，随着各类图像检测、识别算法的商业化落地，市场对图像标注精准度愈发严格。每个数据科学任务都需要数据，具体地说，是输入系统的干净易懂的数据。说到图像，则是计算机需要看到人类眼睛看到的东西。例如，人类有识别和分类物体的能力。同样，我们可以使用计算机视觉来解释它接收到的视觉数据，这就是图像标注的作用。

什么是图像标注？

图像标注是计算机视觉的一个子集，是计算机视觉的重要任务之一。 图像标注就是将标签附加到图像上的过程。 这可以是整个图像的一个标签，也可以是图像中每一组像素的多个标签。 这些标签是由人工智能工程师预先确定的，并被选中为计算机视觉模型提供图像中所显示的信息。

需要标注的计算机视觉任务：

1、物体检测

进行目标检测的技术主要有两种，即2D和3D包围框。

1.1 2D包围框

2D包围框只需要在被检测物体的周围绘制矩形框。它用于定义对象在图像中的位置。边框可以由矩形左上角的x、y轴坐标和右下角的x、y轴坐标来确定。

优点：标注起来快速和容易。

缺点：不能提供重要的信息，如物体的方向，这对许多应用来说是至关重要的。

包括不属于物体一部分的背景像素，这可能会影响训练。

1.2 3D包围框或立方体

较2D包围框，它还可以显示目标的深度。这种标注是通过将二维图像平面上的边界框向后投影到三维长方体来实现的。3D包围框允许系统区分三维空间中的体积和位置等特征。

优点：解决了物体方向的问题。

缺点：当物体被遮挡，3D包围框可以想象包围框的维度，这可能会影响训练。

这种标注也会包括背景像素，可能会影响训练。

1.3 多边形

在必须标记形状不规则的物体的情况下，使用多边形。注释时只需标记物体的边缘，我们就能得到要检测的物体的完美轮廓。

优点：消除了背景像素，并捕获了物体的精确尺寸。

缺点：非常耗时

2、线边缘检测（线和样条）

在划分边界时，线和样条是有用的。将区分一个区域和另一个区域的像素进行标注。

优点：连线上的像素不需要都是连续的。这样在检测有中断的线或部分遮挡的物体是非常有用的。

缺点：图像中的线手动标注时是很累人和费时的，尤其是图像中有很多线时。 当物体碰巧是对齐的时候，结果可能会出现误导。

3、姿态预测关键点识别

在许多计算机视觉应用中，神经网络会需要识别输入图像中重要的感兴趣的点。我们把这些点称为地标或关键点。它适用于面部识别，以识别面部特征、表情和情绪。标记图像标注技术还可以标记身体位置和对齐方式，以及研究身体不同部位之间的关系。

4、分割

图像分割是将一幅图像分割为多个部分的过程。图像分割通常用于在像素级定位图像中的物体和边界。

语义分割-语义分割是一项机器学习任务，它需要像素级标注，其中图像中的每个像素都被分配给一个类。每个像素都带有语义意义。这主要用于环境背景非常重要的情况。

实例分割-实例分割是图像分割的一种子类型，它在像素级别上标识图像中每个物体的每个实例。实例分割和语义分割是图像分割的两种粒度级别之一。

全景分割-全景分割结合了语义分割和实例分割，所有像素都被分配一个类标签，所有目标实例都被唯一地分割。

通过本文，您应该已经了解到图像标注了。灵智互动已为全球超百家单位提供人工智能基础数据服务，高效、超值是我们最常听到的反馈。灵智互动的服务遵旨是用最优的数据方案，做最高质的数据，如果您有任何关于数据标注的问题，请随时联系我们。

——灵智互动——

与灵智互动携手，引领Ai数据时代，共享智慧硕果。