python图像标注工具_有哪些比较好的图像标注工具？

我目前在车厂无人驾驶部门的职责之一

便是研发无人驾驶感知领域语义|全景分割数据集

的半自动标注算法

再具体一点

计算机视觉领域的： 语义分割(Semantic Segmentation) 和 全景分割 (Panoptic Segmentation)https://arxiv.org/pdf/1801.00868.pdf

它们或许是数据标注领域成本最高的俩个任务(德国高达100人民币/图)

它们的具体定义可以见上图

一、标注任务

语义分割: 对图片中每一个像素标注其类别(如：汽车、行人、道路等)

全景分割：对于每一个像素，在语义分割的基础上再区分目标instance物体(如：汽车1、汽车2、行人5等)

二、标注格式

通常标注结果还是存成图片的常见格式(如: png)

图片的每一个通道存储不同信息(用数字1-255表示)

例如第一通道存储： 该像素所属类别

第二通道：如果该像素属于目标物体，他属于第几个instance

第三通道：通常是0或1，1表示该像素是可以驾驶的区域，0反之

三、开源数据集

Cityscapes(戴姆勒公司、德国马普所、TU Darmstadt): https://www.cityscapes-dataset.com/

等等

可以看到背后都有财团的支持

四、数据集的成本和作用

成本：

据Cityscapes官方，标注一张该数据集中的语义分割

平均需要1.5小时！！！

德国最低工资是9欧元左右/小时

因此在德国标注一张语义分割图片的成本超过13欧元(约合100块人民币)！！

重要性：

深度学习需要大量精细标注的数据作为“燃料”

保守L3要能够上路

需要至少几百万张标注精细的训练图片

人工智能时代，谁拥有数据谁就拥有源源不断的燃料

数据集也成为无人驾驶公司和主机厂的兵家必争之地

五、用优化算法节约标注成本

手动标注一张语义分割像素级别的图片平均需要1.5小时

有没有什么更智能的办法提高标注效率呢？

专注于优化算法的 @运筹OR帷幄

以下略探12：

标注软件的一般流程是：

标注者输入交互信息-算法自动标注-标注者修改-算法标注

直到标注者满意为止

图像分割优化算法结合深度学习CNN

便可以达到相较于精细标注95%的精度

We obtain state-of-the-art results on Pascal VOC, for both full and weak supervision (which achieves about 95% of fullysupervised performance).

注：以上研究方向关键词

weakly and semi-supervised learning

也欢迎关注我最近发表在TIP的一个相关工作：

六、Github上优质标注工具opencv/cvat​github.comabreheret/PixelAnnotationTool​github.comfidler-lab/curve-gcn​github.com

七、结语

数据标注是如今深度学习获得巨大成功的基石

从Feifei Li创建ImageNet(1千多万张、2万多类别图片)开始

数据集便成为计算机视觉的一个热点话题

而伴随着数据集的各种challenge和刷榜单

也成为CV领域发顶会的标配

希望“无偿”使用公开数据集的研究者和业界从业者

都能尊重数据集创作者的汗水

人工智能的从业者

也能认可那些幕后做着重复枯燥标记工作者的付出

(例如：贵阳数据标记村)