百度飞浆|数据获取与处理（以CV任务为主）

1.数据的获取途径

     通过AIStudio中的数据集功能可以获得各个比赛平台的大部分数据包括Kaggle、天池、讯飞，Github等，也有很多论文数据集可以自行搜索。   

 

2.数据处理与标注

数据在获取到后，需要了解数据，筛除不适合的样本（即便公开数据集可能也需要筛除一部分）。

如果是自建数据集需要自己进行标准，常用的标注工具有labelimg、labelme、PPOCRLabel、ITK-SNAP(医疗图像数据)、easyDL（百度研发平台，使用比较简单 EasyDL-零门槛AI开发平台 (baidu.com)）。

本人使用的是labelme，首先在anaconda创建虚拟环境。

conda create -n labelme python=3.6

完成后，激活环境，安装labelme（可能需要先安装别的依赖包）

conda activate labelme

conda install labelme=3.16.2

安装成功后，只需要进入添加labelme的虚拟环境，运行命令即可使用：