2. 数据标注--图像数据标注

图像数据标注

1. 图像标签分类标注

图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题，也是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。

其核心思想便是从给定的分类集合中给图像分配一个标签的任务。实际上，图像分类的任务是分析一个输入图像并返回一个将图像分类的标签。标签来自预定义的可能类别集。

（1）准备数据

数据集：动物图像

数量：30张

（2） 创建项目

• 工具 label-studio

• 项目名称：AnimalClassify，描述信息为 “图像分类标注练习”

（3）导入本地数据

• 选择“Data lmport”通过左上角的“Upload Files”选择准备好的数据，进行导入。

（4）选择标注的对象和类别

• 择第一项“Computer Vision。之后界面右侧会出现八个不同的任务选项，要进行的是图片分类任务，所以选择第六个任务-“ImageClassification"

（5）新建分类标签

• 因为图片分别有10张鸡10张兔子以及10张老鼠，故设置了三个英文标签，分别为:chicken、rabbit、rat。

• 添加完标签后，便可点击界面右上角的“Save”按钮,

（6）开始标注

• 任意点击任务主界面的一张图像，便可进入该图像的标注界面。

• 也可以 通过图任务主界面点击中上方位置的LabelAll Tasks按钮，进入到标注界面对图片进行标注操作。

• 打完标签后，点击右上角的“Submit”按钮即可跳转到下一张图像继续标注。

（7）导出标签数据

• 所有图片标注完成后，点击界面上边的项目名称（AnimalClassify），回到图像列表界面。

• 查看图片的标注情况，如图所示，其中第一列数据代表图像id,第二列代表标注时间，第三列代表标注与否，1为标注完成，0为未标注，第四列代表是否跳过标注，1代表跳过，0代表未跳过。

• 点击export按钮，将标签数据导出为某种格式。

（8）导出CSV文件

2. 目标检测图像标注

目标检测，也称为目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要性能。

目标检测是图像分类的进阶版本，图像分类只需要辨别图像中物体的类别即可，而对于目标识别来说，还需要得到目标详细的坐标信息。

在目标检测任务中，需要输入一张图像，然后从整张图像中辨别出需要识别的目标，指出目标的类别，并且需要标注出目标的位置，并用外接矩形框标

（1）准备数据

数据集：汽车图像

数量：5张

（2） 创建项目

• 工具 label-studio

• 项目名称：CarDetection，描述信息为 “汽车识别检测”

（3） 导入本地数据

（4）选择标注的对象和类别

• 根据本次的目标检测任务选择第项“Computer Vision”，之后界面右侧会出现八个不同的任务选项，选择 “0bject Detection with Bounding Boxes“

（5）新建分类标签为car

• 因为图片都是汽车，故设置了英文标签为car。

• 添加完标签后，便可点击界面右上角的“Save”按钮,

（6）开始标注

• 任意点击任务主界面的一张图像，便可进入该图像的标注界面。

• 也可以 通过图任务主界面点击中上方位置的LabelAll Tasks按钮，进入到标注界面对图片进行标注操作。

• 打完标签后，点击右上角的“Submit”按钮即可跳转到下一张图像继续标注。

（7）导出标签数据

• 所有图片标注完成后，点击界面上边的项目名称（Car-Detection），回到图像列表界面

• 点击右上边 export将标注结果导出为json格式文件。

3. 图像语义分割

图像分割主要用于提取图像中用于表述已知目标的种类与数量问题、目标尺度问题、外在环境干扰问题、物体边缘等的像素值。图像分割从分割目的上被分为语义分割、实例分割以及全景分割。

通常意义上的目标分割指的就是语义分割，图像语义分割，简而言之就是对一张图片上的相关像素点进行分类，即对图像中的每个像素都划分出对应的类别，实现像素级别的分类。和前边的分类任务不同的是，语义分割不仅仅是使用矩形框框住某一类物体即可，需要将该类物体用某种像素值进行标注。

（1）准备数据

数据集：人体图片

数量：5张

（2） 创建项目

• 工具 label-studio

• 项目名称：SemanticSegmentation，描述信息为 “图像语义分割项目”

（3） 导入本地数据

（4）选择标注的对象和类别

• 根据本次的图像分割任务选择第一项“Computer Vision”，之后界面右侧会出现八个不同的任务选项，选择 Semantic Segmentation with Masks

（5）新建分类标签

• 因为此任务只分割人像，故设置了一个英文标签，标签为person。

• 添加完标签后，便可点击界面右上角的“Save”按钮,

（6）开始标注

• 任意点击任务主界面的一张图像，便可进入该图像的标注界面。

• 也可以 通过图任务主界面点击中上方位置的LabelAll Tasks按钮，进入到标注界面对图片进行标注操作。

• 打完标签后，点击右上角的“Submit”按钮即可跳转到下一张图像继续标注。

（7）导出标签数据

• 所有图片标注完成后，点击界面上边的项目名称（SemanticSegmentation），回到图像列表界面

• 对于语义分割任务，可以生成Brush labelsto PNG数据，该结果会生成一个压缩包，压缩包中包含语义分割完的所有图片

4. 图像实例分割

图像实例分割是在语义分割的基础上进一步细化，分离对象的前景与背景实现像素级别的对象分离。所以图像实例分割是基于语义分割的基础上进步提升。

实例分割相对于语义分割的区别在于，实例分割需要将同一类型的多个个体做区分，而语义分割则不需要。

（1）准备数据

数据集：人体图片

数量：5张

（2） 创建项目

• 工具 label-studio

• 项目名称：InstanceSegmentation，描述信息为 “图像实例分割项目”

（3） 导入本地数据

（4）选择标注的对象和类别

• 根据本次的图像分割任务选择第一项“Computer Vision”，之后界面右侧会出现八个不同的任务选项，选择 Semantic Segmentation with Polygons

（5）新建分类标签

• 因为此任务只分割人像，故设置了一个英文标签，标签为person。

• 添加完标签后，便可点击界面右上角的“Save”按钮,

（6）开始标注

• 任意点击任务主界面的一张图像，便可进入该图像的标注界面。

• 也可以 通过图任务主界面点击中上方位置的LabelAll Tasks按钮，进入到标注界面对图片进行标注操作。

• 打完标签后，点击右上角的“Submit”按钮即可跳转到下一张图像继续标注。

（7）导出标签数据

• 所有图片标注完成后，点击界面上边的项目名称（SemanticSegmentation），回到图像列表界面

• 将标注数据以CSV格式导出查看。

5. 肢体关键点标注

在检测人类运动和情绪方面，关键点标注尤为常用。关键点标注是指通过人工的方式，在规定位置标注上关键点，例如人脸特征点、人体骨骼连接点等，常用来训练面部识别模型以及统计模型。

（1）准备数据

数据集：行为人图片

数量：1张

（2） 创建项目

• 工具 label-studio

• 项目名称：人体关键点标注，描述信息为 “人体关键点标注案例”

（3） 导入本地数据

（4）选择标注的对象和类别

• 根据本次的图像分割任务选择第一项“Computer Vision”，之后界面右侧会出现八个不同的任务选项，选择 Keypoint Labeling

（5）新建关键点标签

下图是 一般人体关键点标签：

本案例为了降低复杂度，自定义标签如下：

(1)头 (2)肩 (3)肘 (4)手 (5)髋 (6)膝 (7)足

（6）开始标注

为了区别左右肩等，未标记点增加meta信息。如图所示。按照此方法依次标注出所有人体关 键点。

（7）导出标签数据

• 所有图片标注完成后，点击界面上边的项目名称（人体关键点标注），回到图像列表界面

• 将标注数据以Json格式导出查看。

6. 图像全景分割标注

全景分割任务要求图像中的每个像素点都必须被分配给一个语义标签和一个实例id。

其中，语义标签指的是物体的类别，而实例id则对应同类物体的不同编号。

（1）准备数据

数据集：街景图片

数量：2张

（2） 创建项目

• 工具 label-studio

• 项目名称：图像全景分割标注，描述信息为 “图像全景分割案例”

（3） 导入本地数据

（4）选择标注的对象和类别

• 根据本次的图像分割任务选择第一项“Computer Vision”，之后界面右侧会出现八个不同的任务选项，选择 Semantic Segmentation with Masks 模版

（5）新建分类标签

• 因为此任务只分割人像，单是全景分割，故设置了2个英文标签，分别为person和background。

• 添加完标签后，便可点击界面右上角的“Save”按钮,

（6）开始标注

• 任意点击任务主界面的一张图像，便可进入该图像的标注界面。

• 也可以 通过图任务主界面点击中上方位置的LabelAll Tasks按钮，进入到标注界面对图片进行标注操作。

• 打完标签后，点击右上角的“Submit”按钮即可跳转到下一张图像继续标注。

（7）导出标签数据

• 图片标注完成后，点击界面上边的项目名称（图像全景分割标注），回到图像列表界面

• 将标注数据以Brush labelsto PNG格式导出。该结果会生成一个压缩包，压缩包中包含语义分割完的所有图片