![ed7b156ef250a0312bdd21d4915c0a31.png](https://i-blog.csdnimg.cn/blog_migrate/77a84ab2841d8fadf8bc71315bea712b.jpeg)
最近改进了一款图像标注工具,使它能够实现自动标注。
由于自动驾驶感知目前主流的方法都是采用深度学习,需要用到大量的标注数据集来训练模型,所以能够更快更高效的生成大量的标注数据,是无人驾驶感知的关键。
大部分的开源数据集,都是请的第三方外包公司来完成这项工作的,目前数据标注是一个新兴行业,基本是靠廉价的人工,手动完成标注。开源的标注工具很多,大部分都是业余开发,也就是没有在实践中进行改进,并不能支持大规模的标注。
最近刚好要做自动驾驶数据集的标注工作,机械式的去标注一个东西简直显得太不cool了。所以想着能够自动标注之后再由人去检查数据,进行调整,这样可以大大的提高效率。那么如何开始着手这项工作呢?
由于对于深度学习也仅限于看过几篇科普文章,因此想着能够尽量简单的实现这个方案。首先需要支持自动标注;然后需要支持多人协同标注。先整理下具体的思路:
自动标注功能可以在网上找到训练好的模型,然后网页端加载模型,通过前端框架执行后,展示标好的数据。前端的神经网络框架有很多好处,主要优势是可视化,跨平台,而且web端支持多人协作也很方便,只需要一个浏览器,就可以进行标注。
第一步先选定前端深度学习框架,决定选择tensorflow.js,当然